遗传算法选择待交叉、变异的个体时常用如下策略:个体被选择的概率与其适应度值大小成比例。此策略可以通过()实现。
A.轮赌盘选择
B.适应度排序
C.染色体编码
D.精英选拔法
A.轮赌盘选择
B.适应度排序
C.染色体编码
D.精英选拔法
第1题
(1)如何衡量遗传算法的性能好坏,下列说法正确的是 _____。
(A)对一些已知最优解的问题类别, 可以通过精确算法获得最优解, 然后使用“近似率”来衡量解的质量。所谓近似率是指算法求得的解与问题最优解的近似程度。则有:近似率越高的遗传算法,性能越好;
(B)对理论最优解不知道的问题类别,可以通过不同遗传算法在相同问题实例集上测试结果的横向比较来进行评价,即有:在执行相同次数的迭代后,获得满意解越好的遗传算法,性能越好;
(C)对于具有迭代特征的近似算法,在迭代多少次后能够使得结果稳定 (通俗来讲,即结果不再随进一步迭代而发生变化或发生极小的可以被忽略的变化 )—这被称为收敛速度,它从一定程度反映了算法求解的“快慢”。在达到期望的满意解的前提下,迭代次数越少越好。
(D)遗传算法不一定能够得到满意解。 因此,当不同算法均应用多次后,求得满意解次数越多的算法越好!
(E)除上述衡量性能的指标外,还有其他的指标来衡量性能。
(2)如何衡量遗传算法的性能好坏,下列说法不正确的是 _____。
(A)近似率越高的算法,性能越好;
(B)在执行相同次数的迭代后,获得满意解越好的算法,性能越好;
(C)在达到期望满意解的前提下,迭代次数越多的算法,性能越好;
(D)当不同算法均应用多次后,求得满意解次数越多的算法,性能越好!
(3)如何衡量遗传算法的性能好坏,下列说法不正确的是 _____。
(A)近似率越低的算法,性能越好;
(B)在执行相同次数的迭代后,获得满意解越好的算法,性能越好;
(C)在达到期望满意解的前提下,迭代次数越少的算法,性能越好;
(D)当不同算法均应用多次后,求得满意解次数越多的算法,性能越好!
第8题
A、种群个体可以采用实数的编码。
B、种群个数太少的情况下,选择与适应度成比例的选择方法容易导致局部最优值。
C、合适的变异率可以调整遗传算法收敛的效果。
D、遗传算法可以解决任意优化问题。
第9题
A、由于初始解设置或经多次迭代后,很可能使一代种群中的各个可能解具有相似的结构,此时无论怎样交叉产生的新可能解,都将在与该结构相近的可能解空间搜索--这种现象被称为过早收敛
B、为避免过早收敛,有必要保持种群个体的多样性,即使种群中的可能解具有不同的结构,怎样保持不同的结构,即通过变异,打破原有相似的结构,进入到另外的空间中搜索
C、当进化到某一代时,种群的解可能具有相类似的结构,可能始终在这个类似结构的解集合中进行循环,为避免这种情况, 通过对一些解应用变异操作,打破种群的解的相类似结构,有助于跳出循环,在更大空间中进行搜索;当产生的可行解接近最优解的邻域时,应谨慎使用变异,以免偏向最优解的结构被破坏;而当产生的可行解并未接近最优解的邻域时,可以选择较大的变异概率以保证种群解的多样性
D、上述说法有不正确的
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!