What is Crossover Probability & Mutation Probability in Genetic Algorithm or Genetic Programming ? Could someone explain them from implementation perspective!
问问题
52103 次
4 回答
37
突变概率（或比率）基本上是衡量染色体的随机元素被翻转成其他东西的相似性。例如，如果你的染色体被编码为长度为 100 的二进制字符串，如果你有 1% 的突变概率，这意味着随机挑选的 100 位（平均）中的 1 位将被翻转。
Crossover 基本上模拟了有性基因重组（如在人类生殖中），并且通常在 GA 中通过多种方式实现。有时在 GA 中适度应用交叉（因为它破坏了对称性，这并不总是好的，而且你也可能失明）所以我们谈论交叉概率来表示将选择多少对进行交配的比率（它们通常是按照以下选择标准挑选 - 但这是另一回事）。
这是一个短篇故事——如果你想要长篇故事，你必须努力并点击 Amber 发布的链接。或者做一些谷歌搜索 - 我上次检查仍然是一个不错的选择:)
于 2010-05-20T22:55:33.780 回答
7
根据 Goldberg（搜索、优化和机器学习中的遗传算法），交叉概率是在特定交配时发生交叉的概率；也就是说，并非所有的交配都必须通过交叉繁殖，但可以选择 Pc=1.0。
突变的概率是根据 JohnIdol。
于 2012-06-06T15:08:40.300 回答
5
它显示了交叉继承自父母的特征数量！
注意：如果交叉概率为 100%，则所有后代都是通过交叉产生的。如果为 0%，则整个新一代是由来自旧种群的染色体的精确副本制成的（但这并不意味着新一代是相同的！）。
于 2014-12-02T10:19:54.703 回答
3
这可能是对这两个概率的一个很好的解释：
http://www.optiwater.com/optiga/ga.html
Johnldol 对突变概率的回答正是该网站所说的：
“通过生成一个介于 0 和 1 之间的随机数来检查每个染色体中的每个位是否存在可能的突变，如果这个数字小于或等于给定的突变概率，例如 0.001，那么位值就会改变。”
对于交叉概率，可能是交叉操作产生的下一代人口的比例。而其他人口......可能是通过先前的选择，或者您可以将其定义为最适合的幸存者
于 2011-03-26T19:15:37.513 回答