蓝斗鱼和红斗鱼交配,白兔和黑兔交配,生出的孩子是什么颜色还有为什么会有紫色的斗鱼和灰色的兔子，怎么产生？要官方的答案

蓝斗鱼和红斗鱼交配,白兔和黑兔交配,生出的孩子是什么颜色还有为什么会有紫色的斗鱼和灰色的兔子，怎么产生？要官方的答案
蓝斗鱼和红斗鱼交配,白兔和黑兔交配,生出的孩子是什么颜色
还有为什么会有紫色的斗鱼和灰色的兔子，怎么产生？
要官方的答案

蓝斗鱼和红斗鱼交配,白兔和黑兔交配,生出的孩子是什么颜色还有为什么会有紫色的斗鱼和灰色的兔子，怎么产生？要官方的答案
遗传算法
遗传算法介绍
遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法,它借用了生物遗传学的观点,通过自然选择、遗传、变异等作用机制,实现各个个体的适应性的提高.这一点体现了自然界中"物竞天择、适者生存"进化过程.1962年Holland教授首次提出了GA算法的思想,从而吸引了大批的研究者,迅速推广到优化、搜索、机器学习等方面,并奠定了坚实的理论基础.用遗传算法解决问题时,首先要对待解决问题的模型结构和参数进行编码,一般用字符串表示,这个过程就将问题符号化、离散化了.也有在连续空间定义的GA (Genetic Algorithm in Continuous Space, GACS),暂不讨论.
一个串行运算的遗传算法(Seguential Genetic Algoritm, SGA)按如下过程进行：
(1) 对待解决问题进行编码；
(2) 随机初始化群体X(0):=(x1, x2, … xn)；
(3) 对当前群体X(t)中每个个体xi计算其适应度F(xi),适应度表示了该个体的性能好坏；
(4) 应用选择算子产生中间代Xr(t)；
(5) 对Xr(t)应用其它的算子,产生新一代群体X(t+1),这些算子的目的在于扩展有限
个体的覆盖面,体现全局搜索的思想；
(6) t:=t+1；如果不满足终止条件继续(3).
　　
GA中最常用的算子有如下几种：
(1) 选择算子(selection/reproduction): 选择算子从群体中按某一概率成对选择个
体,某个体xi被选择的概率Pi与其适应度值成正比.最通常的实现方法是轮盘赌(roulette wheel)模型.
(2) 交叉算子(Crossover): 交叉算子将被选中的两个个体的基因链按概率pc进行交叉,生成两个新的个体,交叉位置是随机的.其中Pc是一个系统参数.
(3) 变异算子(Mutation): 变异算子将新个体的基因链的各位按概率pm进行变异,对二值基因链(0,1编码)来说即是取反.
上述各种算子的实现是多种多样的,而且许多新的算子正在不断地提出,以改进GA的某些性能.系统参数(个体数n,基因链长度l,交叉概率Pc,变异概率Pm等)对算法的收敛速度及结果有很大的影响,应视具体问题选取不同的值.
　　
GA的程序设计应考虑到通用性,而且要有较强的适应新的算子的能力.OOP中的类的继承为我们提供了这一可能.
　　
定义两个基本结构：基因(ALLELE)和个体(INDIVIDUAL),以个体的集合作为群体类TPopulation的数据成员,而TSGA类则由群体派生出来,定义GA的基本操作.对任一个应用实例,可以在TSGA类上派生,并定义新的操作.
TPopulation类包含两个重要过程：
FillFitness: 评价函数,对每个个体进行解码(decode)并计算出其适应度值,具体操作在用户类中实现.
Statistic: 对当前群体进行统计,如求总适应度sumfitness、平均适应度average、最好个体fmax、最坏个体fmin等.
TSGA类在TPopulation类的基础上派生,以GA的系统参数为构造函数的参数,它有4个重要的成员函数：
Select: 选择算子,基本的选择策略采用轮盘赌模型（如图2）.轮盘经任意旋转停止
后指针所指向区域被选中,所以fi值大的被选中的概率就大.
Crossover: 交叉算子,以概率Pc在两基因链上的随机位置交换子串.
Mutation: 变异算子,以概率Pm对基因链上每一个基因进行随机干扰(取反).
Generate: 产生下代,包括了评价、统计、选择、交叉、变异等全部过程,每运行一
次,产生新的一代.
　　
SGA的结构及类定义如下(用C++编写)：
[code]　　typedef char ALLELE;　 // 基因类型
　　typedef struct{
　　ALLELE *chrom;
　　float fitness;　　　 　// fitness of Chromosome
　　}INDIVIDUAL;　　　　 　// 个体定义
　　
　　class TPopulation{　　 // 群体类定义
　　public:
　　int size; 　　// Size of population: n
　　int lchrom;　　 // Length of chromosome: l
　　float sumfitness, average;
　　INDIVIDUAL *fmin, *fmax;
　　INDIVIDUAL *pop;
　　
　　TPopulation(int popsize, int strlength);
　　~TPopulation();
　　inline INDIVIDUAL &Individual(int i){ return pop[i];};
　　void FillFitness();　　 // 评价函数
　　virtual void Statistics(); 　　// 统计函数
　　};
　　
　　class TSGA : public TPopulation{ 　　// TSGA类派生于群体类
　　public:
　　float pcross;　　 　　　　　　　　　// Probability of Crossover
　　float pmutation;　　 　　　　　　　// Probability of Mutation
　　int gen;　　　　　　　　　　　　　 // Counter of generation
　　
　　TSGA(int size, int strlength, float pm=0.03, float pc=0.6):
　　TPopulation(size, strlength)
　　{gen=0; pcross=pc; pmutation=pm; } ;
　　virtual INDIVIDUAL& Select();
　　virtual void Crossover(INDIVIDUAL &parent1, INDIVIDUAL &parent2,
　　INDIVIDUAL &child1, INDIVIDUAL &child2);
　　&child1, INDIVIDUAL &child2);
　　virtual ALLELE Mutation(ALLELE alleleval);
　　virtual void Generate(); 　　　　　// 产生新的一代
　　};
　　用户GA类定义如下：
　　class TSGAfit : public TSGA{
　　public:
　　TSGAfit(int size,float pm=0.0333,float pc=0.6)
　　:TSGA(size,24,pm,pc){};
　　void print();
　　}; [/code]
　　
由于GA是一个概率过程,所以每次迭代的情况是不一样的；系统参数不同,迭代情况也不同.在实验中参数一般选取如下：个体数n=50-200,变异概率Pm=0.03, 交叉概率Pc=0.6.变异概率太大,会导致不稳定.

蓝+红色调和出来的是紫色。白和黑色调和出来的是灰色啊。

蓝和红一开始会出红洗 具体为什么出紫色 这个是基因的秘密 太多了 没法解答 几代提存的结果

要看他们自身的血统是否纯正

不得是看基因型嘛， 你看蓝斗鱼什么的他们的上代，和他们的显隐性颜色基因，然后再看后代的每种颜色的概率是多少。 应该就是这样了。

太复杂了！！睡觉去

两种可能第一种颜色是由单基因控制，如兔子：白兔是AA黑兔是aa，后代基因型是Aa，而Aa的基因型的兔子就是灰色的。第二种可能性是颜色是由多基因控制也就是说如果亲本不是杂合体后代的颜色居于两亲本之间。

当然鱼生的是鱼， 兔生的是兔了。

红和蓝的鱼生紫鱼
白和黑的兔子生灰兔子
两种可能第一种颜色是由单基因控制，如兔子：白兔是AA黑兔是aa，后代基因型是Aa，而Aa的基因型的兔子就是灰色的。第二种可能性是颜色是由多基因控制也就是说如果亲本不是杂合体后代的颜色居于两亲本之间。...

全部展开

红和蓝的鱼生紫鱼
白和黑的兔子生灰兔子
两种可能第一种颜色是由单基因控制，如兔子：白兔是AA黑兔是aa，后代基因型是Aa，而Aa的基因型的兔子就是灰色的。第二种可能性是颜色是由多基因控制也就是说如果亲本不是杂合体后代的颜色居于两亲本之间。

收起

看基因

一般而言 只会有 蓝，红斗鱼。白黑兔子。
现在出现了中间色，说明控制基因是半显性遗传，就是说当基因型为RR时，表现为显性性状，当为rr时表现为隐性性状，当为Rr时 表现为中间形状。这也说明亲本都是纯合子。但不能说明哪种是显性性状 哪种是隐性性状...

全部展开

一般而言 只会有 蓝，红斗鱼。白黑兔子。
现在出现了中间色，说明控制基因是半显性遗传，就是说当基因型为RR时，表现为显性性状，当为rr时表现为隐性性状，当为Rr时 表现为中间形状。这也说明亲本都是纯合子。但不能说明哪种是显性性状 哪种是隐性性状

收起