遗传算法的编码与适应度函数姓名：赵文娟学号： 30808120304遗传算法的特点：n （ 1）遗传算法不是直接作用在参变量集上，而是 利用参变量集的某种编码；n （ 2）遗传算法不是从单个点，而是从一个点的群体开始搜索；n （ 3） 遗传算法利用适应值信息 ，无需导数或其它辅助信息；n （ 4）遗
遗传算法的编码与适应度函数.PPTTag内容描述：
1、法执行的基础n 遗传算法的适应度函数 (Fitness Function)的选取直接影响到遗传算法的收敛速度以及能否找到最优解 ,因为遗传算法在进化搜索中基本不利用外部信息 ,仅以适应度函数为依据 ,利用种群每个个体的适应度来进行搜索。
遗传算法的基本定理n 模式 就是一个相同的构形，它描述的是一个串的子集，这个集合中的串之间在某些位上是相同的。
n 一个 模式 H的阶 就是出现在模式中确定位置的数目，记为 o（ H） 。
n 一个 模式的定义长度 是模式中第一个确定位置和最后一个确定位置之间的距离，记为（ H)。
模式的概念说明V+=0， 1， * 模式， *代表不确定字母 .串长为 L的二进制串上的模式共有 3l个 .一般的，对于 基数为 k的字母表，共有 (k+1)l个模式例如：串长为 7的模式 H=*11*0* ， A=0111000是模式 H的一个表示。
所有模式并不是以同等机会产生的 ，有些模式比起其它的更加确定，例如：与 0*相比，模式 011*1*在相似性方面是更明确的表示。
n 一个模式 H的阶 出现在模式中确定位置的数目 。
例如：模。
