智能信息处理 第六章_智慧树知到答案2021年

第六章 遗传算法：遗传算法6.1遗传算法基础:遗传算法基础
6.2遗传算法分析:遗传算法分析
6.3神经网络遗传算法:神经网络遗传算法
6.4遗传算法实例1:遗传算法实例
6.5遗传算法实例2（TSP问题）:遗传算法实例

[多选题]下列人物中，对遗传算法的完善与发展起到推进作用的有( )。选项:[J.D.Bagley, Holland, L.Davis, K.A.De Jong]
[多选题]下列关于遗传算法相关概念说法正确的有( )。选项:[串是个体的形式，它对应于遗传学中的染色体，在遗传算法中，只能使用二进制编码串。, 基因是串中的元素，基因用于表示个体的特征。, 一个基因在串中的位置称为基因位置，有时也简称基因位。, 个体的集合称为群体，串是群体的元素。]
[多选题]下列关于遗传算法特点的描述，错误的是( )。选项:[遗传算法通常从问题解的单个解开始搜索，并逐步增大搜索范围。, 遗传算法有极强的容错能力。, 虽然遗传算法中的选择、交叉和变异都是随机操作，但存在确定的精确规则。, 遗传算法具有隐含的并行性。]
[多选题]遗传算法中用以产生新个体的方法主要有( )。选项:[选择, 变异, 交叉, 编码]
[多选题]在用遗传算法解决TSP问题时，下列说法中正确的有( )。选项:[遗传算法求解TSP问题得到的最优解总是相同的。, TSP问题在编码时，一般不采用二进制编码。, TSP问题最简单的求解方法是枚举法，使用遗传算法求得的不一定是最佳的解，但是使用遗传算法效率高，且得到的解十分逼近最优解。, 当TSP问题中涉及的城市过多时，就不适合采用遗传算法。]
[多选题]遗传算法的缺点有( )。选项:[问题规模较大时，虽然计算的复杂度会降低，但是收敛性显著降低。, 依靠简单的交叉、变异操作,很容易产生不可行解。, 容易陷入局部最优。, 交叉产生的子代可能一个适应度很高, 另一个很低, 低的个体虽然含有比较好的基因, 但是会被淘汰。]
[判断题]适应度函数是计算个体在群体中被使用的概率。选项:[对, 错]
[判断题]目前常用的选择算子有以下几种：适应度比例方法、随机遍历抽样法、局部选择法。选项:[对, 错]
[判断题]与遗传算法收敛性有关的因素主要包括种群规模、选择操作、交叉概率和变异概率。选项:[错, 对]
[判断题]在传统GA中采用的是实数编码。选项:[对, 错]
[判断题]遗传算法求解时使用特定问题的信息较多，通用算法程序形成有困难。选项:[对, 错]
[判断题]遗传算法中，编码、种群的产生、个体适应度的评价、操作算子、停止准测等问题的处理将直接影响到后面解的质量和算法的性能。选项:[错, 对]
[判断题]协同进化算法在应用中表现出了易出现未成熟收敛并且收敛的速度较慢等缺陷。选项:[错, 对]
[单选题]遗传算法GA的英文全称是（），最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》。

选项:[General Adaptation
, General Application
, Genetic Alchemist
, Genetic Algorithm]
[单选题]由于遗传算法中，适应度函数要比较排序并在此基础上计算选择概率，所以适应度函数的值要取（）。

选项:[正值, 实数范围
, 非正值
, 负值
]
[单选题]适应度函数的设计需要满足的条件不包括（）选项:[单值、间断、非负、最小化
, 合理、一致性, 计算量 , 通用性强]
[单选题]遗传算法与传统优化算法的极大区别是（）。选项:[遗传算法从问题解的中集开始搜索，而不是从单个解开始, 遗传算法有极强的容错能力, 遗传算法具有隐含的并行性, 遗传算法求解时使用特定问题的信息极少，容易形成通用算法程序]
[单选题]在轮盘赌选择法中，各个个体的选择概率和其（）成比例。选项:[变异概率, 交叉概率, 适应度值, 个体长度]
[单选题]遗传算法中，主要算子为（）。

选项:[选择算子
, 变异算子
, 交叉算子, 初始化算子
]
[单选题]交叉这一操作保证了每一代都会有新的个体产生，因此交叉率的值一般都大于（）。

选项:[0.5
, 0.7
, 0.9
, 0.3]