在算法融合之爬山遗传算法（一）中，我们有如下的结论：

我们通过将局部寻优算法（爬山算法）与全局寻优算法（遗传算法）结合起来，发挥了其各自的优势，新的算法特点如下：

1、爬山遗传算法比一般的遗传算法收敛性能好，并能保持住优良个体。

如下图：

2、爬山遗传算法能够全局寻优。

现在，我们来看一下这两种算法是如何融合的？

融合

算法融合框图：从框图中可以看出，我们把爬山算法加在了遗传算法的选择操作之前。

这里说下我们为什么这样做？

遗传算法在经过选择，交叉和变异后，下代的质量会有所提高，也就是新解的适应度高。而通常情况下，尤其对于连续的函数，好的解周围往往也是不错的解。这就像在我们生活中，物以类聚，人以群分。如果在此处加上爬山算法，爬山算法会迅速在周围寻找，如果更优秀，替换之。速度很快。而如果不这样做，遗传算法仍会经过选择，交叉和变异的操作在其周围进行寻找，寻找速度慢。

其次，爬山算法设置在遗传算法的大框架下有什么好处呢？

爬山算法找到的是局部最优解。而遗传算法是全局寻优算法，会在全局随机产生新的解，而在新的解周围，我们设置了爬山算法进行寻找该周围区域的解。举个例子吧。

小明家里混进了一只老鼠，整日偷吃东西，实在受不了了，一天大家坐下来开个家庭会议。父亲说，这样下去不行啊，必须把这个老鼠找出来。小明说，恩，找出最适合老鼠藏居的地方就行。我看就是卧室里床下面的那个洞洞里。小红说，不一定啊，厨房里也有个洞洞呢！老父亲说，恩，小明你去卧室找，小红你去厨房找。一人找一个区域。并在各自的区域内找出最适合的地方。这种做法实际上与爬山遗传算法有类似之处。

关键代码

爬山算法的具体代码请参见《爬山算法源代码》，在







































如何治疗白癜风快
寻常型白癜风能治愈吗


欢迎转载,转载请注明原文网址：http://www.mylinedu.com/zysx/6287.html