传统遗传算法参数怎么合理设置呢?交叉概率、变异概率怎样设置?
1条回答 默认 最新
- 水晶海洋 2017-12-09 03:01关注
伪代码过程 (谢菲尔德大学的遗传算法工具箱)如下:
1.根据已有的数据,应用神经网络进行拟合,得到神经网络模型参数
2.设置遗传算法的参数
3.while gen<MAXGEN %小于进化代数
FitnV=ranking(-ObjV); %分配适应度值
SelCh=select('sus',Chrom,FitnV,GGAP); %选择
SelCh=recombin('xovsp',SelCh,px); %重组
SelCh=mut(SelCh,pm); %变异
XY=bs2rv(SelCh,FieldD); %子代个体的十进制转换
将子代个体代入神经网络模型,得到评价准则。
重插入子代到父代,得到新种群
代计数器增加
记录每代的最优解及其序号
end本回答被题主选为最佳回答 , 对您是否有帮助呢?解决评论 打赏 举报无用 5
悬赏问题
- ¥15 完成下列问题完成下列问题
- ¥15 C#算法问题, 不知道怎么处理这个数据的转换
- ¥15 YoloV5 第三方库的版本对照问题
- ¥15 请完成下列相关问题!
- ¥15 drone 推送镜像时候 purge: true 推送完毕后没有删除对应的镜像,手动拷贝到服务器执行结果正确在样才能让指令自动执行成功删除对应镜像,如何解决?
- ¥15 求daily translation(DT)偏差订正方法的代码
- ¥15 js调用html页面需要隐藏某个按钮
- ¥15 ads仿真结果在圆图上是怎么读数的
- ¥20 Cotex M3的调试和程序执行方式是什么样的?
- ¥20 java项目连接sqlserver时报ssl相关错误