第469章（2 / 4）
遗传算法可以全局优化和隐含并行，但仍有具体的因素需要考虑。
首当其中的便是染色体编码问题。
设条件属性集合为C={c1，c2，c3……cn}，则条件属性空间Ωc，可映射为遗传算法染色体，每个染色体用n维的（0，1）二进制位串表示，使染色体个体与属性子集建立一一对应的关系。
随后便是适应值函数构造，其和相对依赖度可以结合满足属性简约的原理：
F（x）=f（x）γcd（x）=（1-card（x）/n）*card（POS（D））/card（U）.
剩余的因素还有选择概率，交叉与变异，算法终止条件等。
不过程诺还没做到这部分的工作，就被赫尔交出去吃午饭，同行的还有亨利和加尔两人。
一路上，程诺和赫尔走在前面聊着天，亨利和加尔在后面一直盯着程诺的背影不放，似乎要从程诺的背影中看出什么。
可惜，他们什么也没看出来。
呆在麻省理工学院内，华国人他们也经常见。
可在两人眼中，程诺除了长得比那些人帅气点，年轻点，就没别的什么区别了啊！
那他到底是由于何种缘故一个人接下他们三个人一周内都无法搞定的项目的？
这个问题，他们两个人想了一上午都没想明白。
程诺和赫尔有说有笑的走进解决午饭的地点……学校食堂。
没错，就是学校食堂。
↑返回顶部↑
首当其中的便是染色体编码问题。
设条件属性集合为C={c1，c2，c3……cn}，则条件属性空间Ωc，可映射为遗传算法染色体，每个染色体用n维的（0，1）二进制位串表示，使染色体个体与属性子集建立一一对应的关系。
随后便是适应值函数构造，其和相对依赖度可以结合满足属性简约的原理：
F（x）=f（x）γcd（x）=（1-card（x）/n）*card（POS（D））/card（U）.
剩余的因素还有选择概率，交叉与变异，算法终止条件等。
不过程诺还没做到这部分的工作，就被赫尔交出去吃午饭，同行的还有亨利和加尔两人。
一路上，程诺和赫尔走在前面聊着天，亨利和加尔在后面一直盯着程诺的背影不放，似乎要从程诺的背影中看出什么。
可惜，他们什么也没看出来。
呆在麻省理工学院内，华国人他们也经常见。
可在两人眼中，程诺除了长得比那些人帅气点，年轻点，就没别的什么区别了啊！
那他到底是由于何种缘故一个人接下他们三个人一周内都无法搞定的项目的？
这个问题，他们两个人想了一上午都没想明白。
程诺和赫尔有说有笑的走进解决午饭的地点……学校食堂。
没错，就是学校食堂。
↑返回顶部↑