mata utama
- Algoritma genetik mensimulasikan proses evolusi seperti "survival of the fittest", dan menggunakan mekanisme seperti pemilihan, crossover dan mutasi untuk mencari penyelesaian yang optimum untuk masalah kompleks.
- Dalam algoritma genetik, penyelesaian yang berpotensi dinyatakan sebagai kromosom, dan kebolehgunaannya dinilai oleh fungsi kecergasan yang menentukan kebarangkalian ia dipilih untuk pembiakan.
- Proses crossover menggabungkan ciri -ciri dari sepasang penyelesaian ibu bapa untuk mewujudkan anak -anak baru, sementara variasi memperkenalkan perubahan rawak dalam keturunan, dengan itu mengekalkan kepelbagaian genetik dan berpotensi menemui penyelesaian baru.
- Kerana algoritma genetik dapat meneroka ruang penyelesaian yang besar dan kompleks, mereka sangat berkesan untuk masalah yang sukar untuk diselesaikan dalam kaedah carian dan pengoptimuman tradisional.
- Aplikasi praktikal algoritma genetik terdiri daripada merekabentuk antena dengan ciri -ciri prestasi yang dipertingkatkan untuk mengoptimumkan reka bentuk web, yang menggambarkan kepelbagaian dan kuasa mereka dalam menyelesaikan masalah praktikal.
Retak Maklumat Tidak Diketahui
Masa adalah 2369 tahun, dan manusia telah tersebar di seluruh Laut Bintang. Anda seorang doktor muda dan pintar yang ditempatkan di pangkalan bintang yang sibuk, sibuk dengan pelancong, pedagang, dan pelanggar sekali-sekala. Tidak lama selepas anda tiba, penjaga kedai di pangkalan menjadi berminat dengan anda. Dia mendakwa dia hanya tukang jahit yang mudah, tetapi khabar angin mengatakan bahawa dia adalah ejen rahsia yang bekerja untuk rejim yang sangat jahat.Anda mula makan tengah hari bersama -sama setiap minggu, membincangkan topik dari politik ke puisi. Walaupun selepas beberapa bulan, anda masih tidak pasti sama ada dia menyatakan perasaan romantis atau mengambil rahsia (anda pasti tidak mempunyai rahsia). Mungkin kedua -duanya.
suatu hari semasa makan tengah hari, dia mencabar anda: "Saya mempunyai mesej untuk memberitahu anda, Doktor yang dikasihi! Saya pasti tidak dapat memberitahu anda apa itu. Tetapi saya memberitahu anda, itu 12 watak panjang. Watak -watak ini boleh menjadi apa -apa Surat, ruang tulis
Anda kembali ke pejabat di kabin perubatan, masih memikirkan apa yang baru saja dia katakan. Tiba -tiba, eksperimen simulasi penjujukan gen yang pernah anda jalankan di komputer berdekatan memberi anda idea. Anda bukan pakar penyahsulitan kata laluan, tetapi mungkin anda boleh menggunakan kepakaran anda dalam genetik untuk menguraikan maklumatnya!
Beberapa teori
Seperti yang saya nyatakan pada mulanya, algoritma genetik adalah program yang menggunakan operasi yang mendorong evolusi untuk mencari penyelesaian. Selepas banyak lelaran, algoritma memilih calon terbaik (meneka) dari satu set penyelesaian yang mungkin, rekombinasi mereka, dan cek yang kombinasi menjadikannya lebih dekat dengan penyelesaiannya. Calon yang lemah akan dibuang. Di tempat kejadian di atas, mana-mana watak dalam mesej rahsia boleh menjadi A-Z, ruang atau tanda baca asas. Katakan ini memberi kita 32 aksara "abjad" berikut: abcdefghijklmnopqrstuvwxyz -.,!? mereka betul. Ia mengambil masa terlalu lama untuk memeriksa setiap kemungkinan. Sebaliknya, algoritma genetik akan secara rawak memilih 12 aksara dan meminta tukang jahit/mata -mata untuk menilai sejauh mana hasilnya adalah maklumatnya. Ini lebih berkesan daripada carian kekerasan, kerana skor membolehkan kita menyempurnakan calon masa depan. Maklum balas membolehkan kita mengukur kecergasan setiap tekaan dan diharapkan mengelakkan masa membuang -buang waktu mati.
Katakan kami membuat tiga teka -teki: HOMLK? WSRZDJ, BGK KA! QTPXC dan XELPOCV.XLF!. Calon pertama menjaringkan 248.2, yang kedua ialah 632.5, dan yang ketiga ialah 219.5. Skor cara dikira bergantung kepada keadaan, yang akan kita bincangkan kemudian, tetapi sekarang mari kita anggap ia berdasarkan sisihan antara calon dan maklumat sasaran: skor sempurna adalah 0 (iaitu tidak ada sisihan; calon dan sasarannya adalah sama), skor yang lebih tinggi bermakna sisihan yang lebih besar. Teka -teki dengan skor 248.2 dan 219.5 lebih dekat dengan kandungan maklumat rahsia daripada tekaan dengan skor 635.5.
Tebakan masa depan dibuat melalui gabungan percubaan terbaik. Terdapat banyak cara untuk menggabungkan calon, tetapi sekarang kita menganggap pendekatan crossover mudah: setiap watak dalam tekaan baru mempunyai kebarangkalian 50-50 yang disalin dari calon induk pertama atau kedua. Sekiranya kita mengambil dua teka -teki HOMLK? WSRZDJ dan XELPOCV.XLF!, Maka watak pertama calon keturunan kita mempunyai kebarangkalian 50% H, kebarangkalian 50% X, dan watak kedua akan O atau E, dan, dan E, Jadi pada. Anak mungkin hello? W.RLD!. Menjana calon baru dengan crossover
Tunjukkan beberapa kod! Saya mengesyaki bahawa diberikan gambaran keseluruhan dan senarai istilah, anda mungkin tergoda untuk melihat beberapa kod sekarang. Oleh itu, mari kita lihat beberapa kod JavaScript yang menyelesaikan masalah maklumat rahsia kami. Semasa proses bacaan, saya menjemput anda untuk memikirkan kaedah mana yang boleh dianggap sebagai "kod boilerplate" dan pelaksanaan mana yang lebih dekat dengan masalah yang kita cuba selesaikan: Kami mula -mula menentukan objek data calon, hanya untuk memasangkan kromosom dengan skor kecergasan mereka. Untuk kemudahan, kaedah penyortiran statik juga dilampirkan; Seterusnya, kami mempunyai kelas genetikalgoritma yang melaksanakan algoritma genetik itu sendiri. Pembina menggunakan objek yang menyelesaikan pelbagai parameter yang diperlukan untuk simulasi. Ia menyediakan cara untuk menentukan abjad genetik, mesej sasaran, dan parameter lain yang menentukan kekangan di mana simulasi akan dijalankan. Dalam contoh di atas, kami menjangkakan populasi 100 calon setiap generasi. Dari ini, hanya 40 kromosom yang akan dipilih untuk pembiakan. Kami mempunyai peluang 3% untuk memperkenalkan mutasi, dan apabila ia berlaku, kami akan menukar sehingga dua gen. Nilai maxgenerations digunakan sebagai langkah perlindungan; Perlu dinyatakan bahawa populasi, saiz pemilihan dan jumlah maksimum umur yang disediakan semasa menjalankan algoritma agak kecil. Masalah yang lebih kompleks mungkin memerlukan ruang carian yang lebih besar, yang seterusnya meningkatkan penggunaan memori algoritma dan masa yang diperlukan untuk dijalankan. Walau bagaimanapun, sangat disyorkan untuk menggunakan parameter varian yang lebih kecil. Sekiranya mereka terlalu besar, kami kehilangan apa -apa manfaat calon pembiakan berdasarkan kecergasan, dan simulasi mula menjadi carian rawak. Kaedah seperti rawak (), init (), dan run () boleh dianggap boilerplate. Tetapi hanya kerana terdapat boilerplate tidak bermakna ia tidak akan memberi kesan praktikal terhadap simulasi. Sebagai contoh, algoritma genetik menggunakan rawak berat. Walaupun fungsi matematik terbina dalam () sesuai untuk tujuan kami, untuk isu-isu lain, anda memerlukan penjana rawak yang lebih tepat. Crypto.GetRandomValues ??() menyediakan nilai rawak kriptografi yang lebih kuat. Prestasi juga merupakan pertimbangan. Saya berusaha untuk menjadi jelas dan mudah difahami dalam artikel ini, tetapi ingat bahawa operasi akan diulang. Anda mungkin mendapati diri anda perlu mengoptimumkan kod mikro dalam gelung, menggunakan struktur data memori yang lebih efisien, dan menyamakan kod dan bukannya memisahkannya ke dalam fungsi/kaedah, semuanya tanpa mengambil kira bahasa pelaksanaan anda. pelaksanaan calcfitness (), pilih (), menghasilkan semula () dan juga berhenti () adalah khusus untuk masalah yang kita cuba selesaikan. calcfitness () mengembalikan nilai yang mengukur kecergasan kromosom berdasarkan kriteria yang diharapkan -dalam kes kami, seberapa baik ia sepadan dengan mesej rahsia. Pengiraan kecergasan hampir selalu menjadi spesifik keadaan; Sebagai contoh, saya boleh mengira jarak Hamming atau jarak levinstein antara dua nilai, dan juga menggabungkan pelbagai ukuran. Akhirnya, adalah penting bahawa fungsi kecergasan mengembalikan pengukuran yang berguna berdasarkan masalah di tangan, bukan hanya boolean "sesuai"/"tidak sesuai". Pilih () Kaedah Menunjukkan strategi pemilihan elit -hanya calon yang paling sesuai di seluruh penduduk dipilih untuk pembiakan. Seperti yang saya nyatakan sebelum ini, terdapat strategi lain, seperti pemilihan kejohanan, yang memilih calon yang paling sesuai dari set calon individu dalam populasi, dan pemilihan Boltzmann, yang mengenakan calon yang semakin besar dan lebih besar mengenai pemilihan tekanan calon. Tujuan kaedah yang berbeza ini adalah untuk memastikan bahawa kromosom mempunyai peluang untuk menyampaikan gen yang boleh membuktikan bermanfaat kemudian, walaupun ia tidak dapat dilihat dengan segera. Penerangan mendalam tentang strategi pemilihan ini dan lain-lain, serta pelaksanaan contoh, mudah dijumpai dalam talian.
Aplikasi praktikal algoritma genetik
Setakat ini, anda harus mempunyai pemahaman asas tentang apa algoritma genetik dan cukup akrab dengan perbendaharaan kata mereka untuk mentafsir apa -apa sumber yang mungkin anda hadapi dalam penyelidikan anda sendiri. Walau bagaimanapun, memahami teori dan istilah hanya separuh kerja. Jika anda merancang untuk menulis algoritma genetik anda sendiri, anda juga mesti memahami masalah khusus anda. Sebelum anda memulakan, berikut adalah beberapa soalan penting untuk bertanya kepada diri sendiri: Saya harap saya juga membantu anda memahami bagaimana program menarik inspirasi dari alam semula jadi -bukan hanya dalam bentuk, tetapi juga dalam proses dan fungsi. Jangan ragu untuk berkongsi pemikiran anda sendiri di forum. soalan yang sering ditanya mengenai algoritma genetik 
Untuk mengurangkan risiko ini dan mengekalkan kepelbagaian sementara masih menyempitkan skop penyelesaian, kita dapat memperkenalkan sedikit perubahan. Daripada melakukan segmentasi 50-50 secara langsung, kami membenarkan kebarangkalian kecil untuk menggantikan sebarang nilai dalam abjad. Melalui mutasi ini, keturunan mungkin menjadi Hello World!. 
// ... (Candidate class and GeneticAlgorithm class code as provided in the original text) ...
Keterangan Strategi Crossing K-Point 
Atas ialah kandungan terperinci Pengenalan kepada algoritma genetik. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undress AI Tool
Gambar buka pakaian secara percuma
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Clothoff.io
Penyingkiran pakaian AI
Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Bagaimana membuat permintaan HTTP di node.js?
Jul 13, 2025 am 02:18 AM
Terdapat tiga cara biasa untuk memulakan permintaan HTTP dalam node.js: Gunakan modul terbina dalam, axios, dan nod-fetch. 1. Gunakan modul HTTP/HTTPS terbina dalam tanpa kebergantungan, yang sesuai untuk senario asas, tetapi memerlukan pemprosesan manual jahitan data dan pemantauan ralat, seperti menggunakan https.get () untuk mendapatkan data atau menghantar permintaan pos melalui .write (); 2.AXIOS adalah perpustakaan pihak ketiga berdasarkan janji. Ia mempunyai sintaks ringkas dan fungsi yang kuat, menyokong async/menunggu, penukaran JSON automatik, pemintas, dan lain -lain. Adalah disyorkan untuk memudahkan operasi permintaan tak segerak; 3.Node-Fetch menyediakan gaya yang serupa dengan pengambilan penyemak imbas, berdasarkan janji dan sintaks mudah
Jenis Data JavaScript: Rujukan primitif vs
Jul 13, 2025 am 02:43 AM
Jenis data JavaScript dibahagikan kepada jenis primitif dan jenis rujukan. Jenis primitif termasuk rentetan, nombor, boolean, null, undefined, dan simbol. Nilai -nilai tidak berubah dan salinan disalin apabila memberikan nilai, jadi mereka tidak mempengaruhi satu sama lain; Jenis rujukan seperti objek, tatasusunan dan fungsi menyimpan alamat memori, dan pembolehubah menunjuk objek yang sama akan mempengaruhi satu sama lain. Typeof dan Instanceof boleh digunakan untuk menentukan jenis, tetapi memberi perhatian kepada isu -isu sejarah TypeOfNull. Memahami kedua -dua jenis perbezaan ini dapat membantu menulis kod yang lebih stabil dan boleh dipercayai.
React vs angular vs vue: Rangka kerja JS mana yang terbaik?
Jul 05, 2025 am 02:24 AM
Rangka kerja JavaScript mana yang terbaik? Jawapannya ialah memilih yang paling sesuai mengikut keperluan anda. 1. REACT adalah fleksibel dan bebas, sesuai untuk projek sederhana dan besar yang memerlukan penyesuaian tinggi dan keupayaan seni bina pasukan; 2. Angular menyediakan penyelesaian lengkap, sesuai untuk aplikasi peringkat perusahaan dan penyelenggaraan jangka panjang; 3. Vue mudah digunakan, sesuai untuk projek kecil dan sederhana atau perkembangan pesat. Di samping itu, sama ada terdapat timbunan teknologi sedia ada, saiz pasukan, kitaran hayat projek dan sama ada SSR diperlukan juga faktor penting dalam memilih rangka kerja. Singkatnya, tidak ada kerangka terbaik, pilihan terbaik adalah yang sesuai dengan keperluan anda.
Objek Masa JavaScript, seseorang membina eactexe, laman web lebih cepat di Google Chrome, dll.
Jul 08, 2025 pm 02:27 PM
Helo, pemaju JavaScript! Selamat datang ke berita JavaScript minggu ini! Minggu ini kami akan memberi tumpuan kepada: Pertikaian tanda dagangan Oracle dengan Deno, objek masa JavaScript baru disokong oleh pelayar, kemas kini Google Chrome, dan beberapa alat pemaju yang kuat. Mari mulakan! Pertikaian tanda dagangan Oracle dengan percubaan Deno Oracle untuk mendaftarkan tanda dagangan "JavaScript" telah menyebabkan kontroversi. Ryan Dahl, pencipta Node.js dan Deno, telah memfailkan petisyen untuk membatalkan tanda dagangan, dan dia percaya bahawa JavaScript adalah standard terbuka dan tidak boleh digunakan oleh Oracle
Apakah API cache dan bagaimana ia digunakan dengan pekerja perkhidmatan?
Jul 08, 2025 am 02:43 AM
CACHEAPI adalah alat yang disediakan oleh penyemak imbas kepada permintaan rangkaian cache, yang sering digunakan bersempena dengan ServiceWorker untuk meningkatkan prestasi laman web dan pengalaman luar talian. 1. Ia membolehkan pemaju menyimpan sumber secara manual seperti skrip, helaian gaya, gambar, dan lain -lain; 2. Ia boleh memadankan tindak balas cache mengikut permintaan; 3. Ia menyokong memotong cache tertentu atau membersihkan seluruh cache; 4. Ia boleh melaksanakan keutamaan cache atau strategi keutamaan rangkaian melalui perkhidmatan pekerja yang mendengar acara mengambil; 5. Ia sering digunakan untuk sokongan luar talian, mempercepat kelajuan akses berulang, sumber utama dan kandungan kemas kini latar belakang; 6. Apabila menggunakannya, anda perlu memberi perhatian kepada kawalan versi cache, sekatan penyimpanan dan perbezaan dari mekanisme caching HTTP.
Mengendalikan Janji: Chaining, Pengendalian Kesalahan, dan Janji Gabungan di JavaScript
Jul 08, 2025 am 02:40 AM
Janji adalah mekanisme teras untuk mengendalikan operasi tak segerak dalam JavaScript. Memahami panggilan rantaian, pengendalian ralat dan gabungan adalah kunci untuk menguasai aplikasi mereka. 1. Panggilan rantai mengembalikan janji baru melalui .then () untuk merealisasikan persamaan proses tak segerak. Setiap .then () menerima hasil sebelumnya dan boleh mengembalikan nilai atau janji; 2. Pengendalian ralat harus menggunakan .catch () untuk menangkap pengecualian untuk mengelakkan kegagalan senyap, dan boleh mengembalikan nilai lalai dalam tangkapan untuk meneruskan proses; 3. Gabungan seperti janji.all () (berjaya hanya berjaya selepas semua kejayaan), janji.race () (penyempurnaan pertama dikembalikan) dan janji.allsettled () (menunggu semua penyelesaian)
Memanfaatkan array.prototype Kaedah untuk manipulasi data dalam javascript
Jul 06, 2025 am 02:36 AM
Kaedah terbina dalam JavaScript seperti .map (), .filter () dan .reduce () dapat memudahkan pemprosesan data; 1) .map () digunakan untuk menukar elemen satu hingga satu untuk menghasilkan tatasusunan baru; 2) .filter () digunakan untuk menapis elemen mengikut keadaan; 3) .reduce () digunakan untuk mengagregatkan data sebagai nilai tunggal; Penyalahgunaan harus dielakkan apabila digunakan, mengakibatkan kesan sampingan atau masalah prestasi.
JS Roundup: menyelam jauh ke dalam gelung acara JavaScript
Jul 08, 2025 am 02:24 AM
Gelung acara JavaScript menguruskan operasi tak segerak dengan menyelaraskan susunan panggilan, webapis, dan barisan tugas. 1. Stack panggilan melaksanakan kod segerak, dan ketika menghadapi tugas -tugas yang tidak segerak, ia diserahkan kepada Webapi untuk diproses; 2. Selepas Webapi melengkapkan tugas di latar belakang, ia meletakkan panggil balik ke dalam barisan yang sama (tugas makro atau tugas mikro); 3. Loop acara memeriksa sama ada timbunan panggilan kosong. Jika ia kosong, panggilan balik diambil dari barisan dan ditolak ke dalam tumpukan panggilan untuk pelaksanaan; 4. Tugas -tugas mikro (seperti janji. 5. Memahami gelung acara membantu mengelakkan menyekat benang utama dan mengoptimumkan pesanan pelaksanaan kod.
