资料管理子系统(Datamanagementsubsystem).pptVIP

GA基因演算法(續) 此外，在執行運算之前，還要決定染色體的編碼方式、適應函數以及族群大小、代數等參數。 GA基因演算法(續) 編碼方式(Encoding) 就基因演算法來說，設計編碼方式可說是最重要的第一步，它要能適當的描述出問題的內容與結構，另一方面也要考慮如何讓基因演算法在上面運算。如果沒有兼顧這兩方面的話，可能會造成演算法的效率低落。一般而言，編碼方式以二位進(Binary)為主，此外整數(Integer)編碼、實數(Real)編碼和文字(Alphabet)編碼都是可以考慮的方式。 GA基因演算法(續) 適應函數(Fitness function) 適應函數是用來評估每一個子代的績效好壞，進而引導下個族群的答案趨勢，因此也是相當重要的。在設計上必須考量問題本身的需求與特性，可能需要讓答案最大化或是最小化。 GA基因演算法(續) 參數設定 為了讓基因演算法達到最佳化，調整演算法中的參數是必要的方法。族群大小(Population Size)是其中一個重要的參數，它控制了基因演算法每一代中，同時產生的答案，如果將其設的比較大，則可以涵蓋到較大的搜尋空間，也比較不容易陷入區域最佳解，不過也會花費比較多的時間在每一代的計算上。如果設的比較小的話，雖然計算花費的時間會比較短，不過答案的品質可能會比較差，也容易陷入區域最佳解。 GA基因演算法(續) GA架構圖 參考文