1．執行遺傳演算法幾次，觀察進化過程的隨機性。它通常需要多少代來找到這個問題的乙個解？
2．擴大和減小種群規模。減小種群規模如何影響演算法的速度？它是否也影響找到乙個解需要的世代數？擴大種群規模如何影響演算法的速度？它如何影響找到乙個解需要的世代數？
3．將變異率設定為0。這將如何影響遺傳演算法尋找解的能力？使用高變異率，如何影響演算法？
4．使用低交叉率。低交叉率下，演算法表現如何？
5．嘗試用較短及較長的染色體，減少和增加問題的複雜性。在處理更短或更長的染色體時，不同的引數是否工作得更好？
6．啟用或不啟用精英，比較遺傳演算法的表現。
7．採用較高的精英主義值執行測試。這將如何影響搜尋表現？
《Java遺傳演算法程式設計》 2 9 小結
在本章中，你已經學會了實現遺傳演算法的基本知識。本章開頭的偽 提供了乙個通用的概念模型，針對本書其餘部分所有要實現的遺傳演算法 每個遺傳演算法將初始化並評估種群，然後進入乙個迴圈，進行交叉 變異和再評估。僅當終止條件滿足時，才退出迴圈。在本章中，你建立了遺傳演算法的支援元件，尤其是individua...
《Java遺傳演算法程式設計》 2 6 交叉方法
在交叉過程中，除了用不同的選擇方法，還有可用不同的方法在兩個個體之間交換遺傳資訊。不同的問題具有不太一樣的特點，採用特定的交叉方法更好。例如，全一 問題只要求完全由1構成的字串。字串 00111 與字串 10101 具有相同的適應度值，因為它們都包含3個1。對於這種型別的遺傳演算法，情況並非總是如此...
《Java遺傳演算法程式設計》 1 7 搜尋空間
在電腦科學中，如果處理優化問題時有許多候選解需要搜尋，我們就稱解的集合是 搜尋空間 搜尋空間內每個特定的點就是給定問題的乙個候選解。在這個搜尋空間中有距離的概念，相比位置遠離的解，位置彼此靠近的解更可能表現出相似的特徵。為了理解這些距離在搜尋空間中如何組織，請考慮下面使用二進位制遺傳表示的例子 10...