用r语言实现遗传算法
遗传算法是一类常见的随机化搜索方法，目前被广泛应用于组合优化，机器学习，信号处理，人工智能等领域。
这里以模型参数优化为背景学习遗传算法的r语言实现
r语言中常用的实现遗传算法的包有mcga包、genalg包、rgenoud包。
其中mcga、genalg包比较简单，上手较快。rgenoud包将遗传算法和衍生的牛顿算法结合起来，可以求解复杂函数的优化问题。
这里主要学习mcga包，genalg包的用法
mcga函数定义及参数说明如下：
mcga (popsize, chsize, crossprob = 1, mutateprob = 0.01, elitism = 1, minval, maxval, maxiter = 10, evalFunc) 讯享网
这里使用mcga函数对 “求解fx=x*sinx , x∈[0,12.55]在给定区间的最大值” 的问题进行求解。
讯享网#定义适应度函数 > getAdjust <- function(x) + {
+ if(x>=0 && x<=12.55) + {
+ return(-(x*sin(x))) #由于评估函数是针对最小化问题的，因此要求最大值此处需加个负号 + } + else + {
+ return(exp
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/67015.html