Question

我正在编写遗传算法来最小化函数。我有两个问题，一个是关于选择的问题，另一个是关于交叉的问题，以及当它没有发生时该怎么做。

以下是我正在做的事情的概述：

while (number of new population < current population)
    # Evaluate all fitnesses and give them a rank. Choose individual based on rank (wheel roulette) to get first parent.
    # Do it again to get second parent, ensuring parent1 =/= parent2

    # Elitism (do only once): choose the fittest individual and immediately copy to new generation

    Multi-point crossover: 50% chance
    if (crossover happened)
        do single point mutation on child (0.75%)
    else
        pick random individual to be copied into new population.
end

所有这一切都在另一个while循环下，跟踪健身进展和迭代次数，我没有包括。所以，我的问题：

如您所见，每个人都随机选择两个父母迭代直到新的人口被填满。所以，两者一样父母可以不止一次交配，肯定会有几个适合父母的人交配的次数比一次多。这有什么不好吗？
在obitko tutorial中，它表示如果交叉没有发生，那么孩子就是父母的精确副本。我甚至不明白这意味着什么，所以，正如你所看到的，我只选了一个随机的父母（统一;没有考虑适应性）并复制到新的人口。这对我来说似乎很奇怪。无论我是否真的这样做，我的结果确实不会改变那么多。什么是处理案件的正确方法什么时候没有发生交叉？

Answer 1

一些有几个后代的父母很常见;我甚至说这是默认的做法（并考虑生物进化，这恰恰是主要成分之一）。

“如果没有发生交叉，那么孩子就是父母的精确副本”

这有点令人困惑。 Crossover（在你的链接中很好地解释）意味着从一个父母和一些父母中获取一些基因。这被称为有性生殖，需要两个（或更多？）父母。

但无性繁殖也是可能的。在这种情况下，你只需要一个父母，并在新个体中改变其基因组。这几乎就是你所尝试的，但你错过了重要的突变步骤（注意突变可能非常具有侵略性或非常保守！）

请注意，在复制基因组以创建多样性后，无性繁殖需要突变，而在有性生殖中，这是一个可选步骤。

使用任何一种复制品或混合使用都可以。顺便说一句：在一些问题中，基因可能并不总是具有相同的大小。在这种情况下，有性生殖是有问题的。如果您对此问题感兴趣，请查看NEAT算法，这是一种流行的神经进化算法，旨在解决此问题（wiki和paper）。

最后，精英主义（将表现最佳的人复制到下一代）很常见，但可能会有问题。遗传算法通常在次优解中停滞（称为局部最大值，其中任何变化都会降低适应度）。精英主义可能导致这个问题。当然，相反的问题是太多的多样性与随机搜索类似，所以你需要找到适当的平衡。

Answer 2

我认为同一个人是每代不止一个孩子的父母，我没有看到任何错误。它只会影响你的多样性。如果你不喜欢这样，或者在最后几代中发现真正缺乏多样性，你实际上可以标记个体，因此每代不能超过父母一次。
我实际上并不完全同意这个教程，我认为在你选择了将成为父母的个人（当然，基于他们的健康状况）之后，你应该实际执行交叉。否则你将把很多人克隆到下一代。

遗传算法：需要对选择进行一些澄清以及在没有发生交叉时该怎么做

2 个答案: