遗传算法与牛顿迭代法的优劣的比较
发布网友
发布时间：2022-04-24 16:17
共2个回答
好二三四
时间：2022-08-29 10:05
不存在绝对的优缺点，迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令或一定步骤进行重复执行，在每次执行这组指令或这些步骤时，都从变量的原值推出它的一个新值。
利用迭代算法解决问题，需要做好以下三个方面的工作：
1、确定迭代变量。在可以用迭代算法解决的问题中，至少存在一个直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量。
2、建立迭代关系式。所谓迭代关系式，指如何从变量的前一个值推出其下一个值的公式或关系。迭代关系式的建立是解决迭代问题的关键，通常可以使用递推或倒推的方法来完成。
3、对迭代过程进行控制。在什么时候结束迭代过程?这是编写迭代程序必须考虑的问题。
热心网友
时间：2024-04-06 23:32
每个算法都各自的特点和它的优劣性。
牛顿迭代法是一种求近似解的方法。遗传算法也是一种可以全程求最优值的方法，一般就算法之间没有办法说优劣性，只能是说在特定的条件下该用什么方法。
就好比专家系统是一个具有专门知识的计算机程序系统，人工神经网络有很好的学习能力，但他们也有自身的缺点。
按楼主的意思来，牛顿迭代法是一种局部算法，遗传算法是全程算法，毕竟遗传参数里迭代次数也是一个很重要的参考因素。
热心网友
时间：2024-04-06 23:32
牛顿迭代法是一种在实数域和复数域上近似求解方程的方法，适应广度和遗传算法没法比，但就解方程而言应该要好些，毕竟遗传算法是一种随机启发搜索。追问我可以给遗传算法赋初始值，和一些边界约束，这样的话再跟牛顿迭代法相比呢
追答额……这个就要看你具体的实施方法了吧，如果各种算子设计的不错，加上rp爆发，求解情况未必会比牛顿迭代法差。
其实如楼下所说，“一般就算法之间没有办法说优劣性，只能是说在特定的条件下该用什么方法。”
