什么是遗传算法或遗传编程中的交叉概率和突变概率？

什么是遗传算法或遗传编程中的交叉概率和突变概率？有人可以从实施角度解释它们!

突变概率(或比率)基本上是对染色体的随机元素将被翻转成其他东西的相似度的度量.例如,如果您的染色体被编码为长度为100的二进制字符串,如果您有1%的突变概率,则意味着随机挑选的100位(平均)中的1位将被翻转.

交叉基本上模拟了性遗传重组(如在人类繁殖中),并且通常在GA中实施许多方式.有时在GA中适度交叉应用(因为它打破了对称性,这并不总是好的,你也可能会失明)所以我们谈论交叉概率来表示交配将选择多少对夫妇的比例(通常是通过以下选择标准选择 - 但这是另一个故事).

这是一个短篇小说 - 如果你想要长篇大论,你必须努力并按照Amber发布的链接.或者做一些谷歌搜索 - 我最后一次检查仍然是一个很好的选择:)

根据Goldberg(搜索,优化和机器学习中的遗传算法),交叉的概率是在特定交配时发生交叉的概率; 也就是说,并非所有交配都必须通过交叉重现,但可以选择Pc = 1.0.

突变的可能性是根据JohnIdol.

它显示了交叉中从父代继承的功能数量！

注意：如果交叉概率为100％，则所有后代均通过交叉进行。如果它是0％，则整个新一代将由老种群中的染色体精确复制（但这并不意味着新一代是相同的！）。