遗传算法求最小值

资 源 简 介

遗传算法求最小值的代码

详 情 说 明

下面是用遗传算法求解最小值的代码。遗传算法是一种启发式搜索算法，它模拟了生物进化的过程，逐步搜索解决方案，以找到最优解。这种算法适用于解决复杂的优化问题，例如最小化函数。

代码如下：

```

# 遗传算法求最小值

import random

# 目标函数

def fitness(x):

return x ** 2

# 生成染色体

def gene():

return random.uniform(-10, 10)

# 交叉

def crossover(parent1, parent2):

child1 = (parent1 + parent2) / 2

child2 = (parent1 - parent2) / 2

return child1, child2

# 变异

def mutation(child):

return child + random.uniform(-1, 1)

# 生成初始种群

population = [gene() for i in range(10)]

# 迭代

for i in range(100):

# 计算适应度

fitnesses = [fitness(x) for x in population]

# 选择

parents = random.choices(population, weights=fitnesses, k=2)

# 交叉

children = crossover(*parents)

# 变异

children = [mutation(child) for child in children]

# 替换

population[random.randint(0, 9)] = children[0]

population[random.randint(0, 9)] = children[1]

# 输出最优解

print(min(population, key=fitness))

```

这段代码可以用来解决各种最小化问题，只需要修改 `fitness(x)` 函数即可。