浮点数编码的遗传算法

⑴ 遗传算法的编码方法有几种

常用的编码介绍
1、二进制编码：
（1）定义：二进制编码方法是使用二值符号集{0,1}，它所构成的个体基因型是一个二进制编码符号串。二进制编码符号串的长度与问题所要求的求解精度有关。
（2）举例：0≤x≤1023,精度为1,m表示二进制编码的长度。则有建议性说法：使
2m-1≤1000（跟精度有关）≤2m-1。取m=10
则X:0010101111就可以表示一个个体，它所对应的问题空间的值是x=175。
（3）优缺点
优点：符合最小字符集原则，便于用模式定理分析；
缺点：连续函数离散化时的映射误差。
2、格雷码编码
（1）定义：格雷码编码是其连续的两个整数所对应的编码之间只有一个码位是不同的，其余码位完全相同。它是二进制编码方法的一种变形。
十进制数0—15之间的二进制码和相应的格雷码分别编码如下。
二进制编码为：0000，0001，0010，001
1，0100。0101，0110，0111，
1000，1001，1010，1011，1100，1101，1110，1111；
格雷码编码为：0000，0001，0011，0010，0110，0111，0101，0100，
1100，1101，1111，1110，1010，1011，1001，1000。
（2）举例：对于区间[0。1023]中两个邻近的整数X1=175和X2=176，若用长度为10位的二进制编码，可表示为X11：0010101111和X12
0010110000，而使用同样长度的格雷码，它们可分别表示为X21：0010101111和X22：0010101000。
（3）优点：增强了遗传算法的局部搜索能力，便于连续函数的局部控件搜索。
3、浮点数(实数)编码
（1）定义：浮点数编码是指个体的每个基因值用某一范围内的一个浮点数来表示，而个体的编码长度等于其决策变量的个数。因为这种编码方法使用的决策变量的真实值，也称之为真值编码方法。
（2）举例：
（3）优点：实数编码是遗传算法中在解决连续参数优化问题时普遍使用的一种编码方式，具有较高的精度，在表示连续渐变问题方面具有优势。
4、排列编码
排列编码也叫序列编码，是针对一些特殊问题的特定编码方式。排序编码使问题简洁，易于理解。该编码方式将有限集合内的元素进行排列。若集合内包含m个元素，则存在m!种排列方法，当m不大时，m!也不会太大，穷举法就可以解决问题。当m比较大时，m!就会变得非常大，穷举法失效，遗传算法在解决这类问题上具有优势。如解决TSP问题时，用排列编码自然、合理。
5、其它编码方式
多参数级联编码等

⑵ 遗传算法的核心是什么！

遗传操作的交叉算子。

在自然界生物进化过程中起核心作用的是生物遗传基因的重组(加上变异)。同样，遗传算法中起核心作用的是遗传操作的交叉算子。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。通过交叉，遗传算法的搜索能力得以飞跃提高。

交叉算子根据交叉率将种群中的两个个体随机地交换某些基因，能够产生新的基因组合，期望将有益基因组合在一起。

(2)浮点数编码的遗传算法扩展阅读

评估编码策略常采用以下3个规范：

a)完备性(completeness):问题空间中的所有点(候选解)都能作为GA空间中的点(染色体)表现。

b)健全性(soundness): GA空间中的染色体能对应所有问题空间中的候选解。

c)非冗余性(nonrendancy):染色体和候选解一一对应。

目前的几种常用的编码技术有二进制编码，浮点数编码，字符编码，变成编码等。

而二进制编码是目前遗传算法中最常用的编码方法。即是由二进制字符集{0,1}产生通常的0,1字符串来表示问题空间的候选解。

⑶ 遗传算法的基本框架

遗传算法不能直接处理问题空间的参数，必须把它们转换成遗传空间的由基因按一定结构组成的染色体或个体。这一转换操作就叫做编码，也可以称作(问题的)表示(representation)。
评估编码策略常采用以下3个规范:
a)完备性(completeness):问题空间中的所有点(候选解)都能作为GA空间中的点(染色体)表现。
b)健全性(soundness): GA空间中的染色体能对应所有问题空间中的候选解。
c)非冗余性(nonrendancy):染色体和候选解一一对应。
目前的几种常用的编码技术有二进制编码，浮点数编码，字符编码，变成编码等。
而二进制编码是目前遗传算法中最常用的编码方法。即是由二进制字符集{0,1}产生通常的0,1字符串来表示问题空间的候选解。它具有以下特点：
a)简单易行
b)符合最小字符集编码原则
c)便于用模式定理进行分析，因为模式定理就是以基础的。 进化论中的适应度，是表示某一个体对环境的适应能力，也表示该个体繁殖后代的能力。遗传算法的适应度函数也叫评价函数，是用来判断群体中的个体的优劣程度的指标，它是根据所求问题的目标函数来进行评估的。
遗传算法在搜索进化过程中一般不需要其他外部信息，仅用评估函数来评估个体或解的优劣，并作为以后遗传操作的依据。由于遗传算法中，适应度函数要比较排序并在此基础上计算选择概率，所以适应度函数的值要取正值。由此可见，在不少场合，将目标函数映射成求最大值形式且函数值非负的适应度函数是必要的。
适应度函数的设计主要满足以下条件：
a）单值、连续、非负、最大化
b) 合理、一致性
c）计算量小
d）通用性强。
在具体应用中，适应度函数的设计要结合求解问题本身的要求而定。适应度函数设计直接影响到遗传算法的性能。 遗传算法中初始群体中的个体是随机产生的。一般来讲，初始群体的设定可采取如下的策略:
a)根据问题固有知识，设法把握最优解所占空间在整个问题空间中的分布范围，然后，在此分布范围内设定初始群体。
b)先随机生成一定数目的个体，然后从中挑出最好的个体加到初始群体中。这种过程不断迭代，直到初始群体中个体数达到了预先确定的规模。

⑷ 关于浮点数的编码问题

0.1000用二进制表示，2便是次数是2进制的，那个1换过十进制的数就是2的负一次方，就是1/2了。建议你看一下：
http://wenku..com/view/19b9bf717fd5360cba1adb1d.html
里介绍浮点数的问题，上个问题你还少给了符号位和阶码。浮点数的表示S,P，M缺一不可。
以后可别只给一个尾数就行了。

⑸ 浮点数编码介绍

（1）浮点数：
小数点位置可移动的数据称为浮点数，可用下式表示：N=M*RE
其中，M—尾数，
R—阶的基数（也就是指数部分的底）。R 一般取2、8或16，为约定的常数，大多数机器 R 取定为2。
E—阶的阶码。

当基数约定后，对浮点数的编码就只需对尾数和阶码部分进行编码。浮点数在机器中的形式如下：

尾数M用定点小数表示，阶码E是整数。 M乘以RE后小数点的位置改变，改变指数部分RE的值，小数点的位置随之变动，故称上述表示法表示的数据为浮点数。

（2）浮点数的编码
阶码E一般用移码或补码表示，尾数用原码或补码表示。
机器零当浮点数的尾数部分M=0时，不论阶码为何值，都看作是零值，称为机器零。
上溢浮点数的绝对值太大而机器不能表示的情况，此时浮点数的阶码大于机器所能表示的最大阶码。
下溢浮点数的绝对值太小（阶码小于机器所能表示的最小阶码）的情况称为下溢。当浮点数下溢时，通常将尾数各位强置为零 ，按机器零处理。


（3）规格化浮点数
为了便于浮点数之间的运算与比较，也为了提高浮点数的精度，规定计算机中的浮点数尾数部分必须满足1/R≤|M|<1，也即，小数点后的第一位必须是有效数字。当尾数用补码表示，且R=2时，其规格化形式一般为：

上式表明，当尾数的最高数值位与符号位相反时，即为规格化形式。但对于M<0 有两种特殊情况需考虑。
＊M=-1/2，按规定是规格化数，但[-0.5]补=1.10…0，与一般情况相悖，为便于硬件判断，特规定-0.5不是规格化的数（对补码而言）。
＊M=-1，因小数补码允许表示-1，且［-1]补=1.00…0.故将-1作为规格化数（对补码而言 ）

（4）IEE754标准
现代计算机中，浮点数一般采用IEEE制定的国际标准，形式如下；
符号位s 阶码e 尾数 总位数
短实数（单精度数） 1 8 23 32
长实数（双精度数） 1 11 52 64
临时实数 1 15 64 80

在IEEE754浮点数标准中，符号位也是“0”表示正数，“1”表示负数。阶码也用移码表示，尾数也是规格化表示，但为如下形式：1.ff---f.在实际表示中，整数位的1省略，称隐藏位 （临时实数不采用隐藏位方案）。由于尾数形式的变化，阶码部分也与一般移码不同，对短实数而言，[X]移=27+x-1=127+x,也就是说此种移码比一般移码的值小1，如.[810]移为13310 而不是13410。所以，短实数.长实数和临时实数的阶码偏移量分别为7FH、3FFH和3FFFH。单精度数所表示的数值为：（-1）5 1.ff---f*2e-127。
注意：浮点数的编码有多种方法，在实际应用时，首先一定要明确是哪种编码方法，分清各种编码方法的不同之处，这样才能不出差错。

4.文字的编码
(1) 西文字符的编码目前常用的编码系统是ASCII码（American Standard Code for Information Interchange）。
ASCII码特点：
＊每个字符用7位二进制代码表示。在计算机中每个符号实际用8位表示，最高位置“0”或作为奇偶校验位。
＊共有128个符号。其中95个可印刷字符（包括空格），其余为控制字符。
＊字符0——9的高3位编码为011，低4位为0000——1001（正好为二进制形式的0—9），满足正常的排序关系，且大、小写英文一位字母编码的对应关系简单，大写字母的高2位编码10，低5位为00001-11010（为二进制形式的1—26），小写字母高2位为11，低5位也为0000—11010。
（2）中文编码
汉字编码分输入码、机内码和字形码等三大类。
汉字输入码 主要有数字编码、拼音编码和字形编码等。这几种编码方式都是利用相应的编码规则，用字母数字串代
替汉字，从西文标准键盘上输入汉字。
汉字机内码用于汉字信息存储、交换、检索等的机内代码，一般用两个或三个字节表示一个汉字。为了区别于ASCII
码，汉字机内代码中字节的最高位均为“1”。
汉字字形码根据汉字字形信息进行编码，存储在字形库中，用于汉字的输出，常用点阵表示汉字字形。
（3）十进制数的编码
＊字符串形式一个字节存放一个十进制的数位或符号，用连续的多个字节表示一个完整的十进制数据。
十进制数据的机内表示常用ASCII码。有前分隔字符串和串两种方式。
＃前分隔字符串 符号位在数字位之前单独占用一个字节。字符“+”（2B）16表示正号，“-”（2D）16表 示负号。
＃后嵌入字符串 将符号位嵌入最低一位数字里。规则：将“-”号变成（40）16与最低位数相加。“+”号省略。
上述两种表示方法主要用于非数值计算的应用领域，算术运算不方便。
＊压缩十进制数串形式一个字节存放两个十进制数位，用连续的多个字节表示一个完整的十进制数据。比前一种形式节省存储空间并且便于数据处理，应用广泛。
在压缩十进制数串形式中，可以用ASCII码的低4位或BCD码表示十进制数。符号位也用4位二进制代码表示，并放在最低数位之后（C）16=(1100)2代表正号，（D）16=(1101)2表示负号。
用十进制数串表示十进制数据的特点是位长可变，但需给出首地址和串长。

⑹ 遗传算法求离散点的最值问题,离散点的编码方式是浮点编码,MATLAB如何实现交叉和变异操作

找一本书《MATLAB遗传算法工具箱》，作者是雷英杰，里面有你要的程序。当然看王小平的《遗传算法-理论，应用及软件实现》 也可以，不过这本书里面的付的程序是c语言的。

⑺ 遗传算法中的浮点数编码到底是怎样的，急！

去intel网站找。

⑻ 浮点数的编码怎么做我要过程，谢谢

第一步，将十进制-86.5用二进制表示为-1010110.1。很明显符号位为1。
第二步，进行规格化，将1010110.1规约化表示成1.0101101×2的6次方。
因此尾数部分为10101101000；
指数部分取6的补码为00110（要注意这个处理与IEEE 754是不一样的）。

因此最终编码后的二进制序列为10011010101101000。

⑼ 你好，请问matlab中使用遗传算法编程，变量既有0-1整数，又有0~1之间的实数，该怎么编码处理啊谢谢

可以用二进制编码，对于0-1整数，显然可以解决；对于0~1之间的实数，可以用解码的方式，将其映射到0~1范围内。比如：二进制01101转换成十进制是15，那么你可以将其乘以0.01，变为0.15。其他类似。

⑽ 你好，请问你有没有浮点数编码实例的遗传算法的c++源代码 或者实数编码也行

浮点数编码还不明白

C++还没有学

遗传算法还不知道

实说编码还没有学