精英策略对算法的好处

Ⅰ 精英保留策略的遗传算法中做种是什么意思

我认为你的做法是对的，虽然每个人的做法有所不同。《遗传算法原理及应用》这本书中介绍的最优保存策略是这样的：即当前种群中适应度最高的个体不参与交叉运算和变异运算，而是用它来替换掉本代群体中经过交叉、变异等遗传操作后所产生的适应度最低的个体。如果是在遗传操作之后再采取最优保存，那么上一代的最优个体没准就在操作过程中被破坏了、丢失了。

Ⅱ 遗传算法中的精英策略是什么意思啊

就是精英保存策略，每一代个体中较好的一部分个体，不参与交叉和变异，直接保存到下一代。

Ⅲ 请问遗传算法精英保留策略就是指精英选择吗怎么在联赛选择中加入精英策略，请问大致思想是什么

不管采用哪种选择方法，目的是将对结果有利的基因选出来，参加下一次进化。

如果，算法中采用概率类的选择方法，可能会导致本次计算最优的基因（精英）没有被选上。

通常，采用精英保留策略，就是直接将这些（或这个）最优基因，不通过选择，直接参加下一次进化。

理解了，其实是比较好实现的。

但是一定要选择合适的比例。比例太大，进化太慢。

Ⅳ sorting algorithm的作用，及其包括哪些算法

一、插入排序：直接插入排序、希尔排序
二、交换排序：冒泡排序、快速排序
三、选择排序：直接选择排序、堆排序
四、归并排序
五、分配排序：箱排序、基数排序

Ⅳ 策略模式的优缺点

优点：
1、 策略模式提供了管理相关的算法族的办法。策略类的等级结构定义了一个算法或行为族。恰当使用继承可以把公共的代码转移到父类里面，从而避免重复的代码。
2、 策略模式提供了可以替换继承关系的办法。继承可以处理多种算法或行为。如果不是用策略模式，那么使用算法或行为的环境类就可能会有一些子类，每一个子类提供一个不同的算法或行为。但是，这样一来算法或行为的使用者就和算法或行为本身混在一起。决定使用哪一种算法或采取哪一种行为的逻辑就和算法或行为的逻辑混合在一起，从而不可能再独立演化。继承使得动态改变算法或行为变得不可能。
3、 使用策略模式可以避免使用多重条件转移语句。多重转移语句不易维护，它把采取哪一种算法或采取哪一种行为的逻辑与算法或行为的逻辑混合在一起，统统列在一个多重转移语句里面，比使用继承的办法还要原始和落后。
缺点：
1、客户端必须知道所有的策略类，并自行决定使用哪一个策略类。这就意味着客户端必须理解这些算法的区别，以便适时选择恰当的算法类。换言之，策略模式只适用于客户端知道所有的算法或行为的情况。
2、 策略模式造成很多的策略类，每个具体策略类都会产生一个新类。有时候可以通过把依赖于环境的状态保存到客户端里面，而将策略类设计成可共享的，这样策略类实例可以被不同客户端使用。换言之，可以使用享元模式来减少对象的数量。

Ⅵ 遗传算法精英保留策略

我个人认为。直接复制本代的最优解到下一代的这种方法虽然会有益于形成较优解，但是违背了遗传规律。个人见解，哈哈。

Ⅶ 遗传算法中的排序选择策略选择最优的复制到下一代是不是已经包含了精英保留策略的作用

这得看你的排序选择策略是怎样的。
一种排序是只对当代种群进行排序，这种排序选择方式并不包含精英保留策略的作用。
另一种排序是把上一次种群放一直排序，这种方式包含了精英保留策略的作用。
例如有初始种群包含个体为A1,A2,A3,A4，经过适应度计算后得知最优个体为顺序为A2,A1,A3,A4，经过排序选择后为A2,A2,A1,A3，然后经过交叉和变异后的变为B1,B2,B3,B4，而B1,B2,B3,B4的适应度均没有A2大，那么如果采用第一种排序方式，只对B1-B4排序选择，那么将丢失A2这一优良个体，所以并不包含精英保留作用。如果将B1-B4与A1-A2一起排序，那么由于A2适应度最大，因此必然会选到A2，等效于精英保留策略。

Ⅷ 比较算法优缺点：

作业调度算法 .
1.先来先服务（FCFS, First Come First Serve）是最简单的调度算法，按先后顺序进行调度。

定义：
按照作业提交或进程变为就绪状态的先后次序，分派CPU；

当前作业或进程占用CPU，直到执行完或阻塞，才出让CPU（非抢占方式）。

在作业或进程唤醒后（如I/O完成），并不立即恢复执行，通常等到当前作业或进程出让CPU。

适用场景：
比较有利于长作业，而不利于短作业。因为长作业会长时间占据处理机。

有利于CPU繁忙的作业，而不利于I/O繁忙的作业。

算法实现原理图：

2. 轮转法(Round Robin)
轮转法是让每个进程在就绪队列中的等待时间与享受服务的时间成正比例。

定义：
将系统中所有的就绪进程按照FCFS原则，排成一个队列。

每次调度时将CPU分派给队首进程，让其执行一个时间片。时间片的长度从几个ms到几百ms。

在一个时间片结束时，发生时钟中断。

调度程序据此暂停当前进程的执行，将其送到就绪队列的末尾，并通过上下文切换执行当前的队首进程。

进程可以未使用完一个时间片，就出让CPU（如阻塞）。

时间片长度的确定：
时间片长度变化的影响

过长－>退化为FCFS算法，进程在一个时间片内都执行完，响应时间长。

过短－>用户的一次请求需要多个时间片才能处理完，上下文切换次数增加，响应时间长。

对响应时间的要求：T(响应时间)=N(进程数目)*q(时间片)

就绪进程的数目：数目越多，时间片越小

系统的处理能力：应当使用户输入通常在一个时间片内能处理完，否则使响应时间，平均周转时间和平均带权周转时间延长。

算法实现原理图：

3. 多级反馈队列算法(Round Robin with Multiple Feedback)
多级反馈队列算法是轮转算法和优先级算法的综合和发展。

定义：
设置多个就绪队列，分别赋予不同的优先级，如逐级降低，队列1的优先级最高。每个队列执行时间片的长度也不同，规定优先级越低则时间片越长，如逐级加倍。

新进程进入内存后，先投入队列1的末尾，按FCFS算法调度；若按队列1一个时间片未能执行完，则降低投入到队列2的末尾，同样按FCFS算法调度；如此下去，降低到最后的队列，则按“时间片轮转”算法调度直到完成。

仅当较高优先级的队列为空，才调度较低优先级的队列中的进程执行。如果进程执行时有新进程进入较高优先级的队列，则抢先执行新进程，并把被抢先的进程投入原队列的末尾。

优点：
为提高系统吞吐量和缩短平均周转时间而照顾短进程。

为获得较好的I/O设备利用率和缩短响应时间而照顾I/O型进程。

不必估计进程的执行时间，动态调节

几点说明：
I/O型进程：让其进入最高优先级队列，以及时响应I/O交互。通常执行一个小时间片，要求可处理完一次I/O请求的数据，然后转入到阻塞队列。

计算型进程：每次都执行完时间片，进入更低级队列。最终采用最大时间片来执行，减少调度次数。

I/O次数不多，而主要是CPU处理的进程。在I/O完成后，放回优先I/O请求时离开的队列，以免每次都回到最高优先级队列后再逐次下降。

为适应一个进程在不同时间段的运行特点，I/O完成时，提高优先级；时间片用完时，降低优先级。

算法实现原理图：

4. 优先级法（Priority Scheling）
优先级算法是多级队列算法的改进，平衡各进程对响应时间的要求。适用于作业调度和进程调度，可分成抢先式和非抢先式。

静态优先级：
作业调度中的静态优先级大多按以下原则确定：

由用户自己根据作业的紧急程度输入一个适当的优先级。

由系统或操作员根据作业类型指定优先级。

系统根据作业要求资源情况确定优先级。

进程的静态优先级的确定原则：

按进程的类型给予不同的优先级。

将作业的情态优先级作为它所属进程的优先级。

动态优先级：
进程的动态优先级一般根据以下原则确定：

根据进程占用有CPU时间的长短来决定。

根据就绪进程等待CPU的时间长短来决定。

5．短作业优先法（SJF, Shortest Job First）
短作业优先又称为“短进程优先”SPN(Shortest Process Next)；这是对FCFS算法的改进，其目标是减少平均周转时间。

定义：
对预计执行时间短的作业（进程）优先分派处理机。通常后来的短作业不抢先正在执行的作业。

SJF的特点：
(1) 优点：

比FCFS改善平均周转时间和平均带权周转时间，缩短作业的等待时间；

提高系统的吞吐量；

(2) 缺点：

对长作业非常不利，可能长时间得不到执行；

未能依据作业的紧迫程度来划分执行的优先级；

难以准确估计作业（进程）的执行时间，从而影响调度性能。

SJF的变型：
“最短剩余时间优先”SRT(Shortest Remaining Time)（允许比当前进程剩余时间更短的进程来抢占）

“最高响应比优先”HRRN(Highest Response Ratio Next)（响应比R = (等待时间 + 要求执行时间) / 要求执行时间，是FCFS和SJF的折衷）

6. 最高响应比优先法(HRN，Highest Response_ratio Next)
最高响应比优先法是对FCFS方式和SJF方式的一种综合平衡。FCFS方式只考虑每个作业的等待时间而未考虑执行时间的长短，而SJF方式只考虑执行时间而未考虑等待时间的长短。因此，这两种调度算法在某些极端情况下会带来某些不便。HRN调度策略同时考虑每个作业的等待时间长短和估计需要的执行时间长短，从中选出响应比最高的作业投入执行。

响应比R定义如下： R =(W+T)/T = 1+W/T

其中T为该作业估计需要的执行时间，W为作业在后备状态队列中的等待时间。每当要进行作业调度时，系统计算每个作业的响应比，选择其中R最大者投入执行。这样，即使是长作业，随着它等待时间的增加，W / T也就随着增加，也就有机会获得调度执行。这种算法是介于FCFS和SJF之间的一种折中算法。由于长作业也有机会投入运行，在同一时间内处理的作业数显然要少于SJF法，从而采用HRN方式时其吞吐量将小于采用SJF 法时的吞吐量。另外，由于每次调度前要计算响应比，系统开销也要相应增加。

Ⅸ A*算法的好处

其实A*算法也是一种最好优先的算法
只不过要加上一些约束条件罢了。由于在一些问题求解时，我们希望能够求解出状态空间搜索的最短路径，也就是用最快的方法求解问题，A*就是干这种事情的！
我们先下个定义，如果一个估价函数可以找出最短的路径，我们称之为可采纳性。A*算法是一个可采纳的最好优先算法。A*算法的估价函数可表示为：
f'(n) = g'(n) + h'(n)
这里，f'(n)是估价函数，g'(n)是起点到节点n的最短路径值，h'(n)是n到目标的最短路经的启发值。由于这个f'(n)其实是无法预先知道的，所以我们用前面的估价函数f(n)做近似。g(n)代替g'(n)，但 g(n)>=g'(n)才可（大多数情况下都是满足的，可以不用考虑），h(n)代替h'(n)，但h(n)<=h'(n)才可（这一点特别的重要）。可以证明应用这样的估价函数是可以找到最短路径的，也就是可采纳的。我们说应用这种估价函数的最好优先算法就是A*算法。
举一个例子，其实广度优先算法就是A*算法的特例。其中g(n)是节点所在的层数，h(n)=0，这种h(n)肯定小于h'(n)，所以由前述可知广度优先算法是一种可采纳的。实际也是。当然它是一种最臭的A*算法。
再说一个问题，就是有关h(n)启发函数的信息性。h(n)的信息性通俗点说其实就是在估计一个节点的值时的约束条件，如果信息越多或约束条件越多则排除的节点就越多，估价函数越好或说这个算法越好。这就是为什么广度优先算法的那么臭的原因了，谁叫它的h(n)=0，一点启发信息都没有。但在游戏开发中由于实时性的问题，h(n)的信息越多，它的计算量就越大，耗费的时间就越多。就应该适当的减小h(n)的信息，即减小约束条件。但算法的准确性就差了，这里就有一个平衡的问题。