簡述多種群遺傳算法和基本遺傳算法的異同？

多種群遺傳算法是根據每個種群的遺傳規律的平均值來計算的，而基本遺傳算法是根據獨特事物的抽樣分析規律性得到的結果。

遺傳算法中保證和不變的交叉方法？

采用算術交叉的方法，保證交叉突變后分子串的基因和不變。

作物遺傳改良基本原理？

植物組織培養在改良植物遺傳性狀中起著重要的作用。

主要體現在:轉基因植物材料只能通過組織培養進行繁殖和生根。

也就是說，改良性狀的方法有很多，比如雜交、嫁接、轉基因等。組織培養本身不能改變遺傳性狀，但組織培養是轉基因后必不可少的一步，不可或缺。

遺傳規劃算法原理？

遺傳編程是遺傳算法的一個分支。與遺傳算法中每個個體是一個染色體代碼不同，它的個體是一個計算機程序。

維基百科上說是在70年代實行的，但應該是在約翰·r·科扎教授1990年發表的博士論文中正式提出的。

遺傳編程最早的應用是符號回歸。比如為了擬合zf(x，y)，它生成一個初始函數g(x，y)，然后以g(x，y)與z的相關系數作為適應度，進行選擇叉變異，最后得到最優函數g，然后進行線性回歸。

進化算法的基本步驟是什么？

進化計算是一種基于自然選擇和自然遺傳等生物進化機制的搜索算法。和常見的搜索方法一樣，進化計算也是一種迭代算法，但不同的是，在搜索最優解的過程中，進化計算一般是從原問題的一組解改進到另一組更好的解，然后從這組改進解進一步改進。而且在進化問題中，要求原問題的優化模型建立后，原問題的解必須編碼。進化計算是一種概率算法，它在搜索過程中利用結構化和隨機信息，使最符合目標的決策的生存可能性最大化。一般來說，進化計算的求解包括以下步驟:給出一組初始解；評估當前解決方案集的性能；從當前解集中選擇一定數量的解作為迭代解的基礎；然后對其進行運算，得到迭代解；如果這些解滿足要求，則停止，否則，將這些迭代得到的解作為當前解重新運算。以遺傳算法為例，其工作步驟可以概括為:(1)用二進制0/1或其他二進制字符對工作對象——字符串進行編碼。(2)根據字符串的長度l，立即生成l個字符，形成初始個體。(3)計算適合度。適應度是衡量個體優劣的標志，通常是所研究問題的目標函數。(4)通過復制，將優秀的個體插入到下一代新群體中，體現了"適者生存。(5)交換字符，產生新的個體。交換點的位置是隨機確定的。(6)補一個字符把字符1換成0或者0換成1，這是生成新個體的另一種。突變字符的位置也是隨機確定的。(7)遺傳算法是一個迭代過程。在每次迭代過程中，都要進行適應度計算、復制、交換、變異等操作，直到滿足終止條件。用形式語言來表達，假設α∈I記為個體，I記為個體空間。適應度函數表示為φ:i→r.在t代中，種(t){a1(t)，a2(t)，...，an(t)}通過復制(繁殖)、交叉(c)和m(突變(m)轉化為下一代種群。這里R，C，M都是指宏操作符，將舊的組轉化為新的組。L:I→{tru:{a1(0)，a2(0)，…，an(0)}while(l(p(t))≠true)do求值p(t)echo6-@。φ(an(t))}reproduction:P′(t):r(P(t))crossov:P″(t):c(P′(t))mutation:P(t1):m(P″(t))TT1