在遗传算法中仅选择顶部x％进行选择

Question

我目前正在研究StringEvolver，我不太确定可以在GA中使用的特定术语。

在遗传算法中， elitism 指的是直接升级到下一代的人口子集;正确的吗？

但是，是否有一个特定术语仅用于例如当前人口的前75％用于选择，交叉和变异过程而不是整个人口？基本上，x％的费率是多少？

我的意思是，不是使用整个人群来说，轮盘赌选择过程，我只使用前x％（即仅在最佳x％人口中繁殖）

---

我问的原因是因为我注意到在使用例如最高10-25％的人口进行选择，交叉和突变过程以提高代数而不是使用人口众多。

Answer 1

您简单地丢弃较弱候选者的天真选择策略有时称为截断选择。对于许多问题，它会导致早熟收敛，尽管我发现它对旅行商问题很有效。

听起来你有两阶段策略，首先使用截断选择来消除弱势候选者，然后应用更复杂的策略（轮盘赌？）来完成选择。

不是完全消除弱候选人幸存的可能性，而是选择一种允许你调整概率的选择策略可能更好。例如，通过锦标赛选择，您可以调整阈值，以确定弱势候选人存活的可能性，而不是更强的候选人。

Answer 2

听起来你只是在谈论一种特定的选择方法。你可以通过扩展你的适应度函数来做大致相同的事情，以更高的速度而不是线性地增加。

那就是说，我会警告不要每次都把人口的底部丢掉。对于较小的GA，这将使您能够更快地收敛，但对于现实世界的问题，这往往会使您陷入局部最小化，从而降低解决方案的质量。

那就是说，有一个叫做抽取的术语。这是当您在交叉和变异之前丢掉最低X％的人口时。通常每一代都不会这样做。你通常会从一个难以置信的大量人口开始，以便覆盖更大的搜索空间，然后在X世代之后进行抽取，因为GA通常会在前100个左右中获得最大的收益。然后，您将继续处理较小的，更容易处理的人口。

希望这会有所帮助。

Answer 3

没有特定的术语来限制对顶部x％元素的选择，这只是实施选择策略时必须设置的因素之一。

在某些限制x％数字的情况下，您可能会获得更快的收敛，但我建议尝试使用不同长度的字符串，看看它如何影响收敛。我之前已经完成了这项工作（参见this和this项目，两者都是关于进化的字符串），如果你在选择个体时使基因库太小，那么卡住的可能性可能会随着字符串的长度，原因是你严重损害了多样性。