27

What is Crossover Probability & Mutation Probability in Genetic Algorithm or Genetic Programming ? Could someone explain them from implementation perspective!

4

4 回答 4

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