遗传算法程序 主要程序 ga.m 遗传算法核心程序 BinaryExample.m 二进制编码应用程序 FloatExample.m 浮点编码的应用程序 相关算子及函数 initializega.m 种群初始化函数 simpleXover.m 用于二进制编码的简单交叉算子 arithXover.m 用于浮点编码的算术交叉算子 binaryMutation 用于二进制编码的变异算子 nonMutation.m 用于浮点编码的非均匀变异算子

分别用KMP、Monte Carlo 和Las Vegas 算法编制3 个程序，随机生成不小于5000 对、 长度很长、且长度不等的01 串X 和Y（三个程序生成 相同的串），然后统计算法的执行时间、Monte Carlo算法出错的比率，并根据运行结果对三种算法进行深入的比较。注意， 先利用本题下方所给素数实现上述算法，学完素数判定 算法之后，将该算法编程，产生一定数量的大素数并用数组保存起来（分别试不超过5000、500000、50000000），以供上述随机算法使用-The

为了自动学习CNN的深度网络结构，网络结构的数量随着网络中间层数量的增加呈指数增长，这启发我们使用遗传算法有效地遍历这个大的搜索空间。我们首先提出一种编码方法，将每个网络结构表示为一个固定长度的二进制字符串，然后通过生成一组随机个体来初始化遗传算法。在每一代中，我们定义标准的遗传操作(如选择、突变和交叉)来消除弱势个体并产生更具竞争力的个体。(In order to automatically learn the deep network structure of CNN, the number