各个体的适应值。Р第3步：选择。Р第4步：交叉，将选出的父代两两间进行多点交叉，所产生的新个体添入新种群。Р第5步：变异，随机地改变某个个体的某一字符，将新个体添入新种群。Р第6步：判断终止条件，若终止条件满足则计算分类准确度并测试、输出结果，否则转第3步。Р算法的流程图如图所示。РРР图1 遗传算法流程图Р算法参数确定Р在该遗传算法中种群最大迭代次数eranum设为1000，基因长度GaLen设为20。剩下需要确定的算法参数有种群规模popsize，交叉概率pCross和变异概率pMutation。通过测试发现，种群规模popsize对算法的收敛有很大影响。当种群规模popsize为5的时候，种群收敛时迭代次数一般在100次以内，随着交叉率pCross和变异率pMutation的增加迭代次数增加，但是分类准确率非常低，30%-60%不等，随着交叉率pCross和变异率pMutation的增大分类准确率增大。当种群规模popsize增加到20的时候，种群收敛时的迭代次数基本都在200次以上，并且随着交叉率pCross和变异率pMutation的变化而改变，这时候分类准确率一般都在90%以上。Р当种群规模popsize继续增加的时候，发现种群收敛时的迭代次数没有太大的改变，分类准确率也没有太大的提高，但是算法的执行时间却增加了。因此认为popsize=20是一个合理、有效的设定。Р在种群规模popsize=20的时候测试交叉率pCross和变异率pMutation发现，当交叉率pCross=0.9，变异率pMutation=0.05的时候种群收敛效果非常好，分类准确率达到98%以上，并且种群收敛时的迭代次数在210次左右。Р综合考虑以上测试情况，种群规模popsize取20，交叉概率pCross取0.9，变异概率pMutation取0.05，这时候的收敛速度和收敛效果都很好。
全文预览
