遺傳算法路徑規劃是什麽原理

遺傳算法有相當大的引用。遺傳算法在遊戲中應用的現狀在遺傳編碼時, 壹般將瓦片的坐標作為基因進行實數編碼, 染色體的第壹個基因為起點坐標, 最後壹個基因為終點坐標, 中間的基因為路徑經過的每壹個瓦片的坐標。在生成染色體時, 由起點出發, 隨機選擇當前結點的鄰居節點中的可通過節點, 將其坐標加入染色體, 依此循環, 直到找到目標點為止, 生成了壹條染色體。重復上述操作, 直到達到指定的種群規模。遺傳算法的優點：1、遺傳算法是以決策變量的編碼作為運算對象，可以直接對集合、序列、矩陣、樹、圖等結構對象進行操作。這樣的方式壹方面有助於模擬生物的基因、染色體和遺傳進化的過程，方便遺傳操作算子的運用。另壹方面也使得遺傳算法具有廣泛的應用領域，如函數優化、生產調度、自動控制、圖像處理、機器學習、數據挖掘等領域。2、遺傳算法直接以目標函數值作為搜索信息。它僅僅使用適應度函數值來度量個體的優良程度，不涉及目標函數值求導求微分的過程。因為在現實中很多目標函數是很難求導的，甚至是不存在導數的，所以這壹點也使得遺傳算法顯示出高度的優越性。3、遺傳算法具有群體搜索的特性。它的搜索過程是從壹個具有多個個體的初始群體P(0)開始的，壹方面可以有效地避免搜索壹些不必搜索的點。另壹方面由於傳統的單點搜索方法在對多峰分布的搜索空間進行搜索時很容易陷入局部某個單峰的極值點，而遺傳算法的群體搜索特性卻可以避免這樣的問題，因而可以體現出遺傳算法的並行化和較好的全局搜索性。4、遺傳算法基於概率規則，而不是確定性規則。這使得搜索更為靈活，參數對其搜索效果的影響也盡可能的小。5、遺傳算法具有可擴展性，易於與其他技術混合使用。以上幾點便是遺傳算法作為優化算法所具備的優點。遺傳算法的缺點：遺傳算法在進行編碼時容易出現不規範不準確的問題。