我刚刚开始了解遗传算法，我正在用它来解决旅行商问题。但是，我对我应该使用的参数感到困惑。让我解释一下参数的含义。
参数：
人口规模
制作儿童人数
突变数量
我确信上述参数取决于我在问题中所拥有的城市数量，以及我的交叉和突变规范的确切形式。但这种关系是什么？
对于什么参数应该有什么样的或经验法则？任何提示或建议都会很棒。
以下是我对5个城市问题所做的详细说明：
1）我生成了20条随机路径， population = 20
2）选择了14条最佳路径（丢掉了6条最差路径）
3）从14条最佳路径中随机选择的两条路径创建2个突变体
突变数量= 2
（对于变异，我只是随意交换了两个城市的顺序
例如：0,1,2,3,4,0可能会成为0,1,3,2,4,0
4）我从8条最佳路径创建了4个孩子。
儿童人数= 4
（对于交叉，我保留了共同的子路径，剩下的就是
生成randomely）
例如：父1：0,1,2,3,4,0，父2：0,2,1,3,4,0
3,4是共同的，因此儿童路径将从中传播
3,4，其余的是随机的。子路径可能是：
0,3,4,1,2,0或0,2,3,4,1,0
5）现在我有2个突变体和4个孩子，我将它们添加到我的14条最佳路径中 我有20条路径。
6）执行步骤2），3），4），5），等等。
我完全随意设置参数？他们还好吗？我该怎么用？我应该使用哪些参数来解决15个城市的问题？ 48个城市？ 500个城市？
先谢谢你。
答案 0 :(得分：3)
你的问题极其有趣且很难，我很遗憾地说没有确切的答案。我写了一本关于遗传算法的书，在其近500页中，我一再坚持认为参数取决于你的问题。
关于您的具体示例，让我们分析您的参数。您的人口为20，每代您将产生6个不同的孩子。假设您有50代，您将分析314个解决方案（20个原始个体加上49 * 6）。鉴于您有5个城市，您有5个= 120个可能的解决方案，因此您使用GA比穷举搜索更耗时。
我知道这是一个象征性的问题，你关心的是更大的问题（15,48和500，使用你的例子）。然而，经验法则是覆盖一小部分搜索空间（在48和500的情况下，这是自动的），以便使用GA的良好特性来指导搜索，你可能会得到一个好结果。我建议将整个执行过程中产生的个人总数作为整个搜索空间的0,001％考虑（如果500个城市中存在巨大问题，可能仍然太多了。）
就所使用的运营商而言，有很多话要说（在我的书中，它超过50页）。因此，我将向您推荐由Larrañaga et al撰写的精彩评论。即使它有点旧，它也会为您提供更好地探索问题的指导。如果您想要更快的参考，请考虑this Wikipedia article。
我很抱歉这个广告，但它不打算出售书籍（毕竟，我的书只有葡萄牙语和西班牙语，所以我不认为这个名单的大多数成员会买它）。我只想指出有很多关于这个主题的文献。如果你需要一个有趣的阅读（并且你不会说葡萄牙语），我建议Michaewicz's book，它所提出的观点肯定会帮助你深入解决你的问题。