文档介绍：2
遗传算法对数据挖掘的价值
遗传算法是当前我们应用在数据挖掘当中的主要算法，它作为对全局并行进行优化的一种有效方法，在计算机的众多领域都有广泛的应用，特别是与云计算相关的一些领域，因此如何在数据挖掘中去有效地应用优化后的遗传算2
遗传算法对数据挖掘的价值
遗传算法是当前我们应用在数据挖掘当中的主要算法，它作为对全局并行进行优化的一种有效方法，在计算机的众多领域都有广泛的应用，特别是与云计算相关的一些领域，因此如何在数据挖掘中去有效地应用优化后的遗传算法也是现在争论的一个重要趋势。
1遗传算法在数据挖掘中的应用
在目前数据挖掘的争论中，在分类器、决策树、关联规章方面应用改进后的遗传算法我们是涉及得比较多的。其中具有随机、非线性、混沌等特点的实际问题又是我们用改进后的遗传算法解决的主要方面，解决了一部分通过其他学科很难描述的问题，并供应了相应的一些数据模型，为通过其它技术来解决问题供应了很好的基础。对于在应用中消逝的与现实状况相关的各种嘈杂无序的数据，改进后的遗传算法能够比较有效地去解决这个问题。通过将实际遇到问题的具体化，我们都可以把他们变为计算机中的搜寻问题，相关的数据库看做搜寻空间，然后利用改进后遗传算法模拟自然进化算法的特点，在大量的数据规章中去完成搜寻，得到我们真正需要的数据。下面我们来看一下遗传算法在物流上的应用。
2遗传算法在数据挖掘中的应用实例
现有某物流中心在全国分散在各城市的物流子中心S(1)、S(2)、……、S(n),某次公司预备做宣扬，又想节约成本，故预备用一台宣扬车选择一条最短的路线在各个城市的物流中心作相应的宣扬各一次，然后回到起点。那么我们通过改进后的遗传算法我们要如何规划相应的路线呢？在大部分状况中，我们会把遗传算法的运行分为两个阶段，它从目前生成的群体开头，然后通过一系列优胜劣汰的选择后生成过渡群体，最终在过渡群体上进行重组与变异从而形成下一代新的群体。
3
,从中选出1000个个体。我们这里接受最常用的染色体编码来对物流子中心进行编码，每一个子中心作为一个基因，子中心的个数就是基因数。子中心的编码在这里我们接受十进制来编码，我们使用n个数码来表示n个子中心，我们会特地定义一个数码-子中心对应表，保证各个数码之间不会消逝不确定性，保证在算法计算过程中不会消逝二义性。在这个算法的应用里面最重要的就是确定路径的编码，制定的一条路径(a)i就是由n个数码连成的，每一个数码对应为染色体中的一个基因，整个编码串对应一个染色体，通过相应对应表的指标保证在每一个染色体中每个基因只消逝一次。
，适应度用来评价染色体个体的优劣程度，优胜劣汰，一般是适应度越大个体就越适合，反之也是一样，所以遗传算法依据适应度大小对染色体或个体来进行最优选择，以保证把机会留给最优秀的个体来繁殖后代，遗传最好的基因。与之对应我们在设置适应度函数时，函数值必需保证是非负数，在许多实际问题中,求解的目标通常是费用最小,而不是效益最大,因此需要将求最小的目标依据适应度函数非负原则转换为求最大目标的形式。结合我们这儿的实际状况，就是需要将求最短路径结合适应度函数非负原则转换为求最优解的过程。因此在