大家好，今天来为大家解答使用遗传算法和退火算法在GH中寻找最优解这个问题的一些问题点，包括也一样很多人还不知道，因此呢，今天就来为大家分析分析，现在让我们一起来看看吧！如果解决了您的问题，还望您关注下本站哦，谢谢~
说了这么多，其实都是用来寻找最优解的算法。而且，在架构设计中，很多时候两者的结果，尤其是退火算法，都在允许的误差范围内，因此两者在大多数问题上并没有本质的区别。下面通过几个简单的例子来说明该运算符的具体用法。
在解释具体案例之前，我先简单解释一下这款引以为傲的计算器与其他计算器的区别。
首先，这个算子有两个连接器，其基因组端口用于访问变量，例如Slider和Gene Pool算子。它的适应度端用于访问获得最优解所需的变量，例如面积、距离等。
其次，这个算子需要向后连接到所需的算子，而不是像其他算子一样向前连接到Genome 或Fitness 端。
第三，双击进入加拉帕戈斯群岛。第一页包含遗传算法、退火算法以及相关临界值的一些设置。在最初寻找最优解的过程中，这些数据暂时不需要调整。唯一需要注意的是第一行的fitness要设置需要的最大值或者最小值。第二页左上角第一个是遗传算法（图标很形象），第二个是退火算法，还有开始按钮。
让我们进入正题吧。这里我举三个例子来解释一下这个运算符的具体使用逻辑。
1.求圆内接的N边多边形的最大面积（以三角形为例）
首先，在GH 中创建一个圆，使用评估曲线并重新参数化连接的曲线，获取圆上的三个点，将它们连接到形状，然后使用面积运算符求其面积。
其次，是我们的主角加拉帕戈斯来玩。将影响三角形面积的三个变量，即影响点位置的三个Slider连接到基因组端口，将我们需要解决最优解的区域端口连接到适应度端口。并双击输入Galapagos运算符并选择最大化。选择遗传算法并开始结算。
可以看到，在结算过程中，右下角的数值持续稳定，当达到最终的稳定状态时，就是最大值位置。
2.找到距离每个房间的距离总和最近的点的位置
首先，在有限区域内使用Evaluate Surface算子，重新参数化Surface，找到该区域内点的位置，并将其与周围房间的中点连接。使用长度运算符和质量相加运算符求出距离总和。
其次，添加Galapagos算子，将控制点位置的两个滑块连接到基因组终端，将距离总和连接到健身终端，获取有限范围内所有房间距离总和的最大值和最小值价值。
3. 在控制点的控制下找到与周围物体碰撞次数最少的曲线。
首先，使用Populate 2D 运算符结合Rectangle 运算符在有限区域内随机创建矩形。
其次，随机分布点，利用Interpolate算子绘制曲线，利用Gene Pool算子改变控制点的X轴坐标值，得到不同情况下的曲线形状。
三、使用曲线|曲线运算符查找曲线与方形障碍物之间的交点数量。
第四，利用Ga’la’pagos算子求不同情况下曲线与方形障碍物交点的最大值和最小值。
原创文章，作者：小su，如若转载，请注明出处：https://www.sudun.com/ask/185287.html
用户评论
关于道别
这篇文章太棒了！我一直想学习遗传算法和退火算法，没想到在 GH 这种环境下可以这么简单地使用它们。我尝试了一下你的代码，效果真的很奇妙！现在我很期待去尝试更高效的优化方案。
有11位网友表示赞同！
陌離
遗传算法和退火算法确实很厉害，能把复杂的优化问题变成轻松解决的任务。这个文章讲解得比较深入，让我对这两个算法有了更清晰的理解。我现在也打算用 GH 下试试这些算法!
有16位网友表示赞同！
陌然淺笑
我觉得这种结合遗传算法和退火算法的方式很有创新，而且在 GH 的平台下显得更灵活可视化。如果能提供更多实战示例，我认为这篇博客会更有吸引力。
有5位网友表示赞同！
矜暮
我一直觉得 GH 只是一个简单的代码编辑器，没想到还能用来做优化算法。看完这篇文章，我发现有很多新可能性隐藏在一个工具里！需要花时间学习一下这两个算法了。
有13位网友表示赞同！
此生一诺
标题过于模糊，读起来没太大感觉。文章内容确实不错，解释了遗传算法和退火算法的原理，并且举出了具体的例子进行说明。不过个人觉得缺少一些实战场景的描述，读者可能会难以理解它们的实际应用价值。
有5位网友表示赞同！
冷嘲热讽i
代码示例写的很清晰易懂，新手也能看明白操作步骤。不过，对于复杂问题的求解，这些算法是不是效率不够高呢？希望作者能进一步探讨这个问题。
有16位网友表示赞同！
纯真ブ已不复存在
这篇文章对这两个算法的介绍非常不错，让我想到了哪些领域的应用场景。如果能提供一些比较典型案例，效果会更加生动形象!
有19位网友表示赞同！
箜明
我觉得在 GH 中使用遗传算法和退火算法很有创意，可以让很多原本需要复杂的工具才能完成的任务变得更简单快捷。希望更多的开发者可以利用这个平台探索更多新的优化方法！
有12位网友表示赞同！
微信名字
这篇文章没有提到具体的应用场景，感觉有点像是空话套话。遗传算法和退火算法虽然很好用，但如果没有切实可行的应用情况，很难引起读者的兴趣和共鸣。
有7位网友表示赞同！
半世晨晓。
文章内容比较简单，缺乏深度分析。如果能够对算法的优缺点进行详细的对比，或者进一步探讨其在不同领域的适用性，将会更吸引人!
有5位网友表示赞同！
孤单*无名指
我很热衷于探索GH中的新功能和应用，这篇博客介绍的使用遗传算法与退火算法求最优解给我带来了很大的启发！我期待能将这些知识应用到我的项目中，提高效率并解决一些以前难以突破的技术难题。
有18位网友表示赞同！
爱到伤肺i
我对这两个算法本身比较了解，但这篇文章让我看到了它们在GH环境下的新应用场景。我很想知道作者具体是如何选择这些算法的？是考虑到特定问题的特点吗？
有6位网友表示赞同！
北朽暖栀
这篇文章很好地概括了遗传算法和退火算法的基本原理以及它们在求解最优解中的优势。对于新手来说，这篇文章非常实用！我建议在文章中添加更多具体的代码示例，能够更直观地展示这些算法的应用过程。
有14位网友表示赞同！
淡淡の清香
我觉得这篇博文对入门者来说非常友好，能轻松地理解基本的知识点。但对于已经对遗传算法和退火算法比较熟悉的读者，内容可能显得过于浅显了！
有13位网友表示赞同！
一生只盼一人
遗传算法和退火算法确实强大，能够有效破解复杂问题。但是，这篇文章并没有提到它们在实际工程中的局限性，例如计算资源消耗等等，希望作者能补充这些内容!
有19位网友表示赞同！