2) Implementation of genetic operat

2) Implementation of genetic operators: Since we need
to select 10 stocks from an index having 25 stocks, each
chromosome can be represented by a binary string consisting
of 25 bits, 10 of which are equal to ‘1’. The fitness function
evaluates the strength of each chromosome. A more fit
individual has a higher probability of reproduction over a
less fit one. In our research, the fitness function equals the
calculated tracking error of each chromosome. The lower
the better, because our objective is to minimize the tracking
error defined by equation (1). In order to calculate the
fitness of each chromosome, we do need to determine the
optimal weight vector t of each chromosome by, first, solving
minimization problem (2) and, second, based on the vector
x found, calculating t. At this stage, the genetic algorithm
is hybridized with the quadratic programming routine. The
routine solves the problem for each chromosome and delivers
the corresponding tracking error to the fitness function of the
genetic algorithm. This approach combines the search procedure
of the genetic algorithm in the solution space with the
local convergence properties of the quadratic programming
solver.
In this paper we use deterministic tournament selection as
selection operator. Tournament selection runs a tournament
among a few individuals and selects the winner (the one with
the best fitness). Tournament selection has several benefits:
it is efficient to code, works on parallel architectures, and
allows the selection pressure to be easily adjusted [27].
Associated with the selection step is the ‘elitism’ strategy.
Elitism is a method that guarantees that a number of best
solutions are placed directly into the next generation. In the
approach presented in this paper, elitism is used, because that
way, the search for a good solution never goes backwards.
Crossover operators (which take two parent chromosomes
and combine them to produce a child) need to be carefully
designed in order to guarantee that the number of ones and
zero’s (i.e., the number of stocks) in the children chromosomes
does not change. To deal with this constraint, we tried
two different crossover operators. First, a two-point ‘orderbased’
crossover [28] has been used. The idea behind the
order-based crossover is to swap the genes in the order found
at the other parent, going from left to right. The number
of ones and zeros will automatically remain the same.
In this way, the substrings of the chromosomes on the left and
righthand site are preserved while the bit substring in the
middle part changes: for an example, we refer to Table 1.
Unfortunately for this problem, order-based crossover yields
a rather random change of bits in the middle part, i.e., it
intrinsically involves a quite high mutation rate in the middle
part of the chromosomes.
Therefore, we also tried another two-point crossover operator.
This operator works as follows. If, after having
generated two children using standard two-point crossover,
the child chromosomes happen to contain the same number
of zeros and ones as the parents, the crossover operation
is finished. If the number of ones (respectively zeros) in a
child chromosome is larger than that of the parents, then
bits with value one (respectively zero) are randomly selected
and changed into a zero (respectively one) until the number
of zeros and ones equals that of the parents. In this way
it is tried (i) to minimize the occurrence of randomness
(mutation) by the crossover operator and (ii) to spread these
(additional) mutations more uniformly. We term this second
crossover operator the two-point ‘bit equalizer’ crossover
operator.
Mutation is necessary to prevent areas of the search space
being discarded. The standard mutation operator chooses a
single bit at random and swaps its value. Again, we did not
allow changing the number of ones and zero’s. Therefore, we
applied ‘mutation inversion’: rather than selecting a single
bit to mutate, inversion mutation finds just two random
characters in the string and reverses them. We further note
that the mutation effect of this inverse mutation operator
is uniformly spread over the chromosome and, in addition,
generally lower that the mutation effect caused by the orderbased
crossover operator mentioned above since the latter
often causes mutations of several bits.

ผลลัพธ์ (ไทย) 1:

2) การดำเนินการของผู้ประกอบการทางพันธุกรรม: เนื่องจากเราต้อง
เพื่อเลือกหุ้นจาก 10 ดัชนีมี 25 หุ้นแต่ละ
โครโมโซมสามารถแสดงโดยสตริงไบนารีประกอบด้วย
25 บิต, 10 ซึ่งจะเท่ากับ '1 ' ฟังก์ชั่นการออกกำลังกาย
ประเมินความแข็งแรงของแต่ละโครโมโซม พอดีมากขึ้น
บุคคลที่มีความน่าจะเป็นที่สูงขึ้นของการสืบพันธุ์กว่า
พอดีน้อยหนึ่ง ในการวิจัยของเราฟังก์ชั่นการออกกำลังกายเท่ากับ
ติดตามข้อผิดพลาดในการคำนวณของแต่ละโครโมโซม
ต่ำกว่าดีกว่าเพราะวัตถุประสงค์ของเราคือการลดข้อผิดพลาดติดตาม
กำหนดโดยสมการ (1) เพื่อคำนวณ
ออกกำลังกายของแต่ละโครโมโซมเราจะต้องตรวจสอบที่ดีที่สุด
เสื้อเวกเตอร์น้ำหนักของแต่ละโครโมโซมโดยก่อนการแก้ปัญหาการลด
(2) และสองตามเวกเตอร์ x
พบการคำนวณที ในขั้นตอนนี้ขั้นตอนวิธีพันธุกรรม
เป็นไฮบริดที่มีการเขียนโปรแกรมตามปกติสมการกำลังสอง
ประจำแก้ปัญหาของแต่ละโครโมโซมและส่ง
ติดตามข้อผิดพลาดที่เกี่ยวข้องกับการทำงานการออกกำลังกายของ
ขั้นตอนวิธีพันธุกรรม วิธีการนี​​้รวมขั้นตอนการค้นหา
ของขั้นตอนวิธีพันธุกรรมในพื้นที่แก้ปัญหาด้วย
คุณสมบัติของการบรรจบกันในพื้นที่ของสมการกำลังสองการเขียนโปรแกรมแก้
.
ในบทความนี้เราจะใช้การเลือกทัวร์นาเมนต์ที่กำหนดเป็น
ประกอบการเลือก เลือกการแข่งขันวิ่งการแข่งขัน
ในหมู่คนเพียงไม่กี่และเลือกผู้ชนะ (หนึ่งกับ
ออกกำลังกายที่ดีที่สุด) การเลือกทัวร์นาเมนต์มีประโยชน์หลายประการ:
มันมีประสิทธิภาพในการรหัสทำงานบนสถาปัตยกรรมแบบขนานและ
ช่วยให้ความดันเลือกที่จะปรับเปลี่ยนได้อย่างง่ายดาย [27].
ที่เกี่ยวข้องกับขั้นตอนการคัดเลือกเป็น 'อภิสิทธิ์' กลยุทธ์.
อภิสิทธิ์เป็นวิธีที่รับประกันว่าจำนวนของที่ดีที่สุด
โซลูชั่นจะถูกวางไว้โดยตรงในรุ่นต่อไป ใน
วิธีการที่นำเสนอในบทความนี้อภิสิทธิ์ถูกนำมาใช้เนื่องจากว่า
วิธีการค้นหาทางออกที่ดีไม่เคยไปข้างหลัง.
ผู้ประกอบการภูมิภาค (ซึ่งใช้เวลาสองโครโมโซมแม่
และรวมพวกเขาในการผลิตเด็ก) จะต้องมีการระมัดระวัง
ออกแบบมาเพื่อรับประกันว่าจำนวนของคนและ
ศูนย์ของ (เช่นจำนวนของหุ้น) ในเด็กโครโมโซม
ไม่ เปลี่ยนแปลง ที่จะจัดการกับข้อ จำกัด นี้เราพยายาม
สองผู้ประกอบการที่แตกต่างกันครอสโอเวอร์ ครั้งแรกที่สองจุด 'orderbased'
ภูมิภาค [28] มีการใช้คิดที่อยู่เบื้องหลังการสั่งซื้อ
ครอสโอเวอร์ที่ใช้คือการแลกเปลี่ยนยีนในลำดับที่พบ
ที่ผู้ปกครองอื่น ๆ ไปจากซ้ายไปขวา จำนวน
ของคนและศูนย์โดยอัตโนมัติจะยังคงเหมือนเดิม
ในลักษณะนี้สตริงย่อยของโครโมโซมด้านซ้ายและ
righthand เว็บไซต์จะถูกเก็บไว้ในขณะที่ย่อยบิตในการเปลี่ยนแปลง
ส่วนตรงกลาง: ยกตัวอย่างเช่นเราดูตาราง 1
.โชคไม่ดีสำหรับปัญหานี้เพื่อผลตอบแทนตามภูมิภาค
เปลี่ยนแปลงค่อนข้างสุ่มของบิตในส่วนตรงกลางคือมัน
ภายในที่เกี่ยวข้องกับอัตราการกลายพันธุ์ที่ค่อนข้างสูงในช่วงกลาง
ส่วนหนึ่งของโครโมโซม.
ดังนั้นเราจึงยังพยายามอีกสอง ครอสโอเวอร์ประกอบจุด.
ดำเนินการนี​​้ทำงานดังนี้ ถ้าหลังจากที่ได้
สร้างเด็กสองคนใช้มาตรฐานสะพานสองจุด
โครโมโซมที่เกิดขึ้นกับเด็กมีหมายเลขเดียวกัน
ของศูนย์และคนที่เป็นพ่อแม่ทำงานข้าม
เสร็จสิ้น ถ้าจำนวนของคนที่ (ศูนย์ตามลำดับ) ใน
เด็กโครโมโซมมีขนาดใหญ่กว่าของพ่อแม่แล้ว
บิตที่มีค่าหนึ่ง (ตามลำดับศูนย์) จะถูกสุ่มเลือก
และเปลี่ยนเป็นศูนย์ (ตามลำดับหนึ่ง) จนกระทั่งจำนวน
ของศูนย์และคนเท่ากับว่าของพ่อแม่ ในวิธีนี้
จะพยายาม (i) เพื่อลดการเกิดขึ้นของการสุ่ม
(กลายพันธุ์) โดยผู้ประกอบการภูมิภาคและ (ii) การแพร่กระจายเหล่านี้
(เพิ่มเติม) การกลายพันธุ์มากขึ้นเหมือนกัน เราในระยะ
ผู้ประกอบการที่สองนี้ครอสโอเวอร์ที่ปรับเสียงบิต 'สองจุดครอสโอเวอร์ประกอบ
.
การกลายพันธุ์เป็นสิ่งที่จำเป็นเพื่อป้องกันไม่ให้พื้นที่ของช่องว่างการค้นหา
ถูกทิ้งผู้ประกอบการกลายพันธุ์มาตรฐานเลือก
บิตเดียวที่สุ่มและสัญญาแลกเปลี่ยนค่าของมัน อีกครั้งที่เราไม่ได้อนุญาตให้มีการเปลี่ยนแปลง
จำนวนของคนและเป็นศูนย์ของ ดังนั้นเราจึงนำมาใช้
'กลายพันธุ์ผกผัน' มากกว่าการเลือกบิตเดียว
กลายพันธุ์กลายพันธุ์กลับพบเพียงสองตัวละครที่สุ่ม
ในสตริงและกลับพวกเขา เรายังทราบ
ที่มีผลต่อการกลายพันธุ์ของการกลายพันธุ์ดำเนินการนี​​้ผกผัน
จะถูกกระจายสม่ำเสมอกว่าโครโมโซมและในนอกจากนี้
โดยทั่วไปต่ำกว่าที่มีผลต่อการกลายพันธุ์ที่เกิดจากการดำเนินการข้าม orderbased
ดังกล่าวข้างต้นตั้งแต่หลัง
มักจะทำให้เกิดการกลายพันธุ์ในหลายบิต

ผลลัพธ์ (ไทย) 2:

2) นำตัวดำเนินการทางพันธุกรรม: เนื่องจากเราต้อง
เลือกหุ้น 10 ดัชนีมี 25 สะท้อน ละ
สามารถแสดงโครโมโซม โดยประกอบด้วยสตริงที่ไบนารี
ของบิตที่ 25, 10 ซึ่งได้เท่ากับ '1' ได้ การทำงานออกกำลังกาย
ประเมินความแข็งแรงของแต่ละโครโมโซม พอดีเพิ่มเติม
บุคคลมีความสูงของการทำซ้ำผ่านการ
น้อยโดย งานวิจัยของเรา เท่ากับการทำงานออกกำลังกาย
คำนวณติดตามข้อผิดพลาดของแต่ละโครโมโซม ล่าง
ที่ดี เพราะวัตถุประสงค์ของเราคือการ ลดการติดตาม
กำหนด โดยสมการ (1) ข้อผิดพลาด เพื่อคำนวณการ
ออกกำลังกายของแต่ละโครโมโซม เราต้องกำหนด
น้ำหนักสูงสุดเวกเตอร์ t ของแต่ละโครโมโซม โดย แรก แก้
ลดภาระปัญหา (2) และ สอง ตามเวกเตอร์
x พบ t ที่คำนวณ ในขั้นตอน ขั้นตอนวิธีพันธุกรรม
จะผสมพันธุ์กับขั้นตอนการเขียนโปรแกรมกำลังสอง ใน
ขั้นตอนแก้ปัญหาในแต่ละโครโมโซม และส่ง
ให้สอดคล้องกับการติดตามข้อผิดพลาดการทำงานออกกำลังกายของ
อัลกอริทึมทางพันธุกรรม วิธีการนี้รวมขั้นตอนการค้นหา
ของขั้นตอนวิธีพันธุกรรมในพื้นที่แก้ปัญหาด้วยการ
บรรจบกันภายในคุณสมบัติของโปรแกรมกำลังสอง
solver
ในเอกสารนี้ เราใช้การเลือกแข่งขัน deterministic เป็น
เลือกดำเนินการ แข่งขันเลือกทำการแข่งขัน
ระหว่างหลาย และเลือกผู้ชนะ (หนึ่งกับ
ออกกำลังกายที่ดีที่สุด) แข่งขันเลือกมีประโยชน์หลายประการ:
จะมีประสิทธิภาพรหัส ทำงานบนสถาปัตยกรรมแบบขนาน และ
ช่วยให้ความดันเลือกที่จะปรับปรุงได้อย่างง่ายดาย [27] .
เกี่ยวข้องกับขั้นตอนการเลือกอยู่ 'elitism' กลยุทธ์
Elitism เป็นวิธีที่รับประกันที่ตัวเลขที่ดีที่สุด
โซลูชั่นจะถูกวางลงในรุ่นต่อไปโดยตรง ในการ
วิธีการนำเสนอในเอกสารนี้ elitism ใช้ เพราะที่
ทาง ค้นหาโซลูชันที่ดีไม่เคยไปย้อนหลัง
ตัวดำเนินการแบบไขว้ (ซึ่งใช้สองหลัก chromosomes
และรวมในการผลิตเด็ก) จำเป็นต้องระมัดระวัง
ออกแบบมาเพื่อรับประกันได้ว่าจำนวนคน และ
ของศูนย์ (เช่น จำนวนหุ้น) ใน chromosomes เด็ก
เปลี่ยน การจัดการกับข้อจำกัดนี้ เราพยายาม
สองตัวไขว้ที่แตกต่างกัน แรก มีสองจุด 'orderbased'
ไขว้ [28] ได้มีการใช้งาน ความคิดที่อยู่เบื้องหลัง
ไขว้ตามสั่งจะสลับยีนหมายพบ
ที่อื่น ๆ หลัก จากซ้ายไปขวา หมายเลข
คนและศูนย์จะโดยอัตโนมัติเหมือนเดิม
ในวิธีนี้ substrings ของ chromosomes ซ้าย และ
ไซต์ righthand ที่รักษาด้วยบิตในขณะ
กลางเปลี่ยนแปลงส่วน: ตัวอย่าง เราดูตารางที่ 1.
แต่สำหรับไขว้นี้ปัญหา ตามสั่งทำให้
การเปลี่ยนแปลงในส่วนกลาง เช่น มันค่อนข้างสุ่ม
ทำเกี่ยวข้องกับอัตราการกลายพันธุ์ค่อนข้างสูงตรงกลาง
ส่วนของ chromosomes
ดังนั้น เรายังพยายามอีกสองจุดไขว้ตัวดำเนินการ
ตัวนี้ทำงานเป็นดังนี้ ถ้า หลังมี
สร้างเด็กสองคนที่ใช้มาตรฐานสองจุดไขว้,
chromosomes เด็กเกิดขึ้นจะ มีหมายเลขเดียวกัน
ของศูนย์และเป็นผู้ปกครอง การไขว้
เสร็จ ถ้าจำนวนคน (ตามลำดับเลขศูนย์) ในการ
โครโมโซมเด็กจะมีขนาดใหญ่กว่าของพ่อแม่
สุ่มเลือกบิต มีค่าหนึ่ง (ตามลำดับศูนย์)
และเปลี่ยนเป็นศูนย์ (หนึ่งตามลำดับ) จนถึงหมายเลข
ของศูนย์และของผู้ปกครองเท่านั้น วิธีนี้
จะพยายาม (i) เพื่อลดการเกิด randomness
(mutation) โดยตัวดำเนินการแบบไขว้ และ (ii) การกลายพันธุ์ these
(additional) แพร่กระจายมากขึ้นสม่ำเสมอเมื่อเทียบเคียง เราในระยะที่สองนี้
ตัวไขว้ไขว้สองจุด 'บิตตัวปรับแต่งเสียง'
ตัวดำเนินการ
กลายพันธุ์เป็นสิ่งจำเป็นเพื่อป้องกันพื้นที่พื้นที่ค้นหา
ถูกละทิ้ง เลือกตัวดำเนินการกลายพันธุ์มาตรฐาน
เดียวบิตสุ่ม และ swaps ค่า อีก เราไม่
อนุญาตให้เปลี่ยนหมายเลขของคนและของศูนย์ ดังนั้น เรา
ใช้ 'กลายพันธุ์กลับ': แทนที่จะเลือกเดียว
บิตกลายพันธุ์ การกลายพันธุ์กลับพบเพียงสองสุ่ม
อักขระในสายอักขระ และย้อนกลับไป เราเพิ่มเติมหมายเหตุ
ที่ผลการกลายพันธุ์ของตัวผกผันกลายพันธุ์นี้
สม่ำเสมอเมื่อเทียบเคียงแพร่กระจายโครโมโซม และ นอก จาก,
โดยทั่วไปต่ำกว่าที่ผลการกลายพันธุ์เกิดจากการ orderbased
ไขว้ดำเนินการดังกล่าวข้างต้นนับตั้งแต่หลัง
มักทำให้เกิดการกลายพันธุ์หลายบิต

ผลลัพธ์ (ไทย) 3:

2 )การนำไปใช้ของผู้ให้บริการทางพันธุกรรมนับตั้งแต่ที่เราจำเป็นต้อง
ซึ่งจะช่วยในการเลือก 10 หุ้นจากดัชนีที่มี 25 หุ้นแต่ละโครโมโซม
ซึ่งจะช่วยสามารถแทนโดยสตริงไบนารีที่ประกอบไปด้วย
ของ 25 บิต 10 ซึ่งมีเท่ากับ' 1 '
ฟังก์ชันฟิตเน็สเซ็นเตอร์ที่จะประเมินค่าความเข้มของโครโมโซมแต่ละห้อง แต่ละคนมากกว่าพอดีกับ
ซึ่งจะช่วยให้มีโอกาสสูงที่การผลิตซ้ำผ่าน
ไม่ตรงกับที่ ในการวิจัยของเราฟังก์ชันฟิตเน็สเซ็นเตอร์ที่เท่ากับเกิดข้อผิดพลาดการติดตามการคำนวณที่
ของโครโมโซมแต่ละห้อง
ซึ่งจะช่วยลดได้ยิ่งดีเพราะเป้าหมายของเราคือเพื่อลดการติดตาม
เกิดข้อผิดพลาดที่กำหนดไว้โดยสมการ( 1 ) ในการสั่งซื้อในการคำนวณ
ฟิตเน็สเซ็นเตอร์ของโครโมโซมแต่ละครั้งเราไม่จำเป็นต้องทำน้ำหนักได้อย่างมี ประสิทธิภาพ กำหนด
เวกเตอร์ T ของโครโมโซมแต่ละครั้งแรกโดยการแก้ไขปัญหา
ซึ่งจะช่วยลดปริมาณขยะการลด( 2 )และที่สองตามปัจจัยที่
x พบกำลังคำนวณ T ในขั้นตอนนี้อัลกอริธึมทางพันธุกรรมที่
มี hybridized พร้อมด้วยโปรแกรมในพีชคณิตที่มีกำลังสองที่เป็นประจำ
อยู่เป็นประจำจะสามารถแก้ปัญหาได้สำหรับโครโมโซมแต่ละห้องและมอบ
ซึ่งจะช่วยการติดตามที่เกี่ยวข้องที่เกิดข้อผิดพลาดในการทำงานฟิตเน็สเซ็นเตอร์ของ
ทางพันธุกรรมอัลกอริธึมที่ วิธีนี้ประกอบด้วยขั้นตอนการค้นหาที่
ของอัลกอริธึมทางพันธุกรรมที่อยู่ในพื้นที่ที่พร้อมด้วยโซลูชันที่
คุณสมบัติของผู้นำชีวิต Convergence Lifestyle ท้องถิ่นของการตั้งโปรแกรมในพีชคณิตที่มีกำลังสองที่
นักแก้ปัญหานี้.
ในเอกสารนี้เราใช้การเลือกทัวร์นาเมนต์เป็นผู้รู้
ทางเลือก การเลือกการแข่งขันวิ่งให้บริการทัวร์นาเมนต์ที่
ในหมู่ผู้ใช้บริการแบบเฉพาะรายหนึ่งหรือสองตัวเลือกแล้วเลือกผู้ได้รับรางวัล(หนึ่งที่พร้อมด้วย
ฟิตเน็สเซ็นเตอร์ที่ดีที่สุด) การเลือกการแข่งขันมีสิทธิประโยชน์หลาย:
มันมี ประสิทธิภาพ ให้กับรหัสทำงานบนสถาปัตยกรรมแบบคู่ขนานและ
ช่วยให้ความดันการเลือกที่จะเป็นได้อย่างง่ายดายปรับ[ 27 ]..
ที่เกี่ยวข้องพร้อมด้วยทางเลือกที่ขั้นตอนที่เป็นกลยุทธ์' elitism ที่.
elitism เป็นวิธีการที่รับประกันได้ว่าหมายเลขที่ดีที่สุดของโซลูชัน
ซึ่งจะช่วยจัดวางโดยตรงเข้ากับยุคถัดไปที่
ซึ่งจะช่วยในการเข้าถึงที่แสดงในเอกสารนี้ elitism ใช้เพราะที่
ซึ่งจะช่วยทางการค้นหาที่สำหรับโซลูชันที่ดีไม่เคยไปทางด้านหลัง.
ผู้ให้บริการครอสโอเวอร์(ซึ่งใช้เวลาสองแม่โครโมโซมและประกอบด้วย
ซึ่งจะช่วยให้การผลิตเด็กที่)จะต้องได้รับการออกแบบอย่างระมัดระวัง
ซึ่งจะช่วยในการสั่งซื้อเพื่อรับประกันว่าจำนวนของคนและ
ศูนย์ของ(เช่นหมายเลขของหุ้น)ในเด็กที่โครโมโซม
ไม่เปลี่ยน ในการจัดการกับข้อบังคับนี้เราพยายาม
ซึ่งจะช่วยให้ผู้ประกอบธุรกิจทั้งสองครอสโอเวอร์แตกต่างกัน สองครั้งแรก - จุด' orderbased '
ครอสโอเวอร์[ 28 ]ได้ถูกนำมาใช้ความคิดที่อยู่เบื้องหลังท่าพิคอัพแล้วครอสโอเวอร์
ซึ่งจะช่วยการสั่งซื้อซึ่งมียีนในการจัดเก็บสับเปลี่ยนในการสั่งซื้อที่พบ
ที่แม่อื่นๆที่จะไปจากซ้ายไปขวา หมายเลขที่
ซึ่งจะช่วยเป็นศูนย์ของคนและจะยังคงเหมือนเดิมโดยอัตโนมัติ
ในลักษณะนี้ substrings ของโครโมโซมที่อยู่บนพื้นที่ของโรงแรม
หัวเรี่ยวหัวแรงและทางด้านซ้ายจะเป็นได้รับการสงวนรักษาอย่างดีเยี่ยมในขณะที่สตริงย่อย bit
ซึ่งจะช่วยในส่วนกลางที่มีการเปลี่ยนแปลงตัวอย่างเช่นที่เราดูในตารางที่ 1 .
แต่เป็นที่น่าเสียดายสำหรับปัญหานี้ครอสโอเวอร์ - ใช้อัตราผลตอบแทนเปลี่ยน
ซึ่งจะช่วยได้มากแบบสุ่มของบิตในส่วนกลางที่นั่นคือเห็นได้ชัดคือ
ซึ่งจะช่วยคือมันมีความเกี่ยวข้องกับอัตราดอกเบี้ยสูงมากในส่วนกลางที่
ซึ่งจะช่วยเป็นส่วนหนึ่งของโครโมโซมที่.
ดังนั้นเราจึงยังพยายามผู้ให้บริการครอสโอเวอร์สองจุดอื่น.
ผู้ปฏิบัติงานดังกล่าวทำงานดังนี้: หากหลังจากมี
ซึ่งจะช่วยสร้างขึ้นทั้งสองคนโดยใช้ครอสโอเวอร์สองจุดมาตรฐาน
โครโมโซมเด็กที่เกิดขึ้นจะมีหมายเลขเดียวกันให้
ของคนเป็นพ่อแม่ผู้ปกครองและเป็นศูนย์ที่การทำงานครอสโอเวอร์ที่
เสร็จเรียบร้อยแล้ว หากหมายเลขของคน(ตามลำดับเป็นศูนย์)ในโครโมโซม
ซึ่งจะช่วยเด็กที่มีขนาดใหญ่กว่าพ่อแม่แล้ว
บิตด้วยค่าหนึ่ง(ตามลำดับ)เป็นแบบสุ่มเลือก
และเปลี่ยนแปลงไปสู่ศูนย์(ตามลำดับ)จนกว่าจำนวน
ของผู้คนและเป็นศูนย์ซึ่งเท่ากับว่าของพ่อแม่ ในลักษณะนี้
ซึ่งจะช่วยได้คือพยายาม( i )เพื่อลดการเกิดขึ้นของสุ่มที่ไม่ละเอียด
(คือมัน)โดยผู้ให้บริการครอสโอเวอร์และ( ii )เพื่อกระจาย
(เพิ่มเติม)เข้าไปเปลี่ยนแปลงรหัสเพิ่มเติมเครื่องแบบ เราคำว่าผู้ให้บริการ
ครอสโอเวอร์ที่สองนี้สองจุด"บิตอีควอไลเซอร์'ครอสโอเวอร์
ซึ่งจะช่วยผู้ให้บริการ.
คือมันเป็นสิ่งจำเป็นในการป้องกันไม่ให้พื้นที่ที่มีพื้นที่การค้นหา
การถูกยกเลิกผู้ให้บริการแบบมาตรฐานคือมันจะเลือก
เดี่ยว bit ที่กู้ยืมเงินโดยการสุ่มและมอบความคุ้มค่าของโรงแรม อีกครั้งเราไม่ได้
ซึ่งจะช่วยให้การเปลี่ยนจำนวนของคนที่ไม่มีของ ดังนั้นเราจึง
ซึ่งจะช่วยนำไปใช้'กลับคือมัน'มากกว่าการเลือกเดียว
บิตช่วยให้ mutate คือมันกลับพบเพียงสองแบบสุ่ม
ตัวอักขระที่อยู่ในสตริงและสถานการณ์ได้ เราเพิ่มเติมหมายเหตุ:
ตามมาตรฐานซึ่งมีผลบังคับใช้คือมันของผู้ให้บริการคือมันกลับกันนี้
ซึ่งจะช่วยกระจายตัวอยู่โดยรอบพื้นที่มากกว่าโครโมโซมและอยู่ในเครื่องแบบ
นอกจากนี้ยังมีผลโดยทั่วไปแล้วต่ำกว่าที่ได้คือมันเกิดจากผู้ให้บริการ orderbased
ครอสโอเวอร์ที่กล่าวไว้ข้างต้นนับจากที่ฝ่ายหลังมักจะ
ซึ่งจะช่วยทำให้เข้าไปเปลี่ยนแปลงรหัสของหลายบิต