遗传算法：⾃适应交叉和变异（⼆）：
ADAPTIVECROSSOVER
Yang在2002年将⾃适应中的parameter tuning分为3类：
deterministic adaptation 确定性的调整：根据预定义的规则⾃动地调整参数
adaptive adaptation 适应性调整：根据整体的统计信息修改参数
self-adaptive adaptation ⾃适应调整：参数被编码与个体共同进化
[1]使⽤了4种crossover⽅法，⽂中提出⼀种⾃适应⽅法根据种反馈来调整每个算⼦的概率，⽽不是仅仅依靠先验知识来提⾼GA性能。4种crossover⽅法如下：
Arithmetical Crossover
Wright’s Heuristic Crossover
BLX-α-β
Simulated binary crossover
4个算⼦初始概率为1/4，根据下⼀个体中各⾃⼦代的评估结果⾃适应调整这些算⼦的⽐率，⽽不同的算⼦针对不同的问题时的特征不同，因此很难选择最好的算⼦，最合适的⽅式就是在进化过程中⾃动的选择最合适的算⼦。
⾃适应交叉算⼦的执⾏步骤如下：
随机初始化种，N=100，最⼤迭代次数GEN=300，最初crossover选择概率为1/4，最⼩选择概率为0.001；最初mutation选择概率为1/4，最⼩选择概率为0.001
对每个个体进⾏评估，设置N=4,N是交叉算⼦的个数，每个crossover的最⼩概率值，对每个交叉算⼦i，设置
如果没有满⾜结束条件执⾏循环
1. 对种中每个个体，通过赌（n=2）选择个体j
2. 根据概率选择交叉算⼦i，使⽤1和2 point crossover
3. 在j上进⾏i的交叉操作
4. 对j执⾏Gaussian mutation operator
adaptive计算progress value，通过以下公式
计算reward value，通过以下公式
更新，通过以下公式，转到第四步
[1]A. Korejo, Z. U. A. Khuhro, F. A. Jokhio, N. Channa, and H. A. Nizamani. 2013.An adaptive crossover operator for genetic algorithms to solve the optimization problems. Sindh University Research Journal (Science  Series) 45, 2, 333–340.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。