遗传算法，是最常用的解决优化问题的算法，是最早的群智能算法。遗传算法中主要包括，选择、交叉、变异算子，其中对DNA个体的编码方式分为实数编码和二进制编码等。今日由于学习和工作需要对该算法进行了一些了解，对该算法中常用的竞赛选择方式做如下笔记： 遗传算法中的竞赛选择方式是一种放回抽样，几元 ...

介绍： 　　树形选择排序(Tree Selection Sort)，又称锦标赛排序(Tournament Sort)，是一种按锦标赛的思想进行选择排序的方法。简单选择排序花费的时间主要在比较上，每次都会进行很多重复的比较，造成浪费时间。锦标赛排序就是通过记录比较结果，减少比较次数，从而降 ...

　　轮盘赌选择，（也称为适应度比例选择）使用轮盘赌为类比，从种群中选择个体的方法。这种想法是根据个体在种群中的个体适应度值，将他们放置在一个假想的空间轮盘上。个体的适应度越高，在轮盘上占据的空间就越多，就越容易被选上； 　　简单实现代码如下： 　　 ...

本文转载自 https://my.oschina.net/u/1412321/blog/192454 一、遗传算法的应用 函数优化（遗传算法的经典应用领域）；组合优化（实践证明，遗传算法对于组合优化中的NP完全问题，如0-1背包问题，TSP等，非常有效）；自动控制； 机器人智能控制 ...

首先，这个算法可以如下表述： 如果已知A类对象生成概率为P(A)，B类对象生成概率为P(B),C类对象···，K类对象，他们的概率总和为1，问如何在A~K中随机生成一个对象 算法理解如下： 即我们需要先对0~1区段按照概率大小划分长度，设随机生成一个0~1之间的数，这种随机数生成结果是 ...

首先要了解遗传算法的一些基本概念： 基因型(genotype)：性状染色体的内部表现； 表现型(phenotype)：染色体决定性状的外部表现，或者说，根据基因型形成的个体； 进化(evolution)：逐渐适应生存环境，品质不断得到改良。生物的进化是以种群的形式进行的。 适应 ...

轮盘赌在遗传算法中应用的很多，效果也不错，而且它的思想很简单直观 —— 物竞天择、适者生存 —— 越强获得的资源越多 —— 在一个圆中，扇形的面积越大，圆中的点落在该扇形的概率越大。 其主要步骤是： 1. 计算每个个体被选中的概率p（在遗传算法中，先通过适应度函数计算适应度，然后根据适应度计算 ...

参考：http://blog.sina.com.cn/s/blog_67c17d1c01017hyt.html 1、基本思想：个体被选中的概率与其适应度函数值成正比 设群体大小为n，个体i的适应度为Fi，则个体i被选中遗传到下一代群体的概率为： 2、工作过程： 设想群体全部个体的适当性 ...