遗传算法收敛的合理比特串大小

Question

在典型的遗传算法中，考虑到群体中个体描述中的熵量，是否存在估计收敛所需的世代的指南？

另外，我认为同样需要每代后代的数量和变异率是合理的，但目前我对这些参数的调整不太感兴趣。

Answer 1

嗯，数学模型没有任何具体的指导方针，但人们使用几个概念来沟通参数设置和如何选择它们的建议。其中一个概念是多样性，它与您提到的熵类似。另一个概念称为选择压力，并根据其相对适合度确定个体的选择机会。

可以为每一代计算多样性和选择压力，但很难估计世代之间的变化。您还需要模型来预测交叉和变异算子的预期质量，以便估计下一代的适应度分布。

最近有关于这些主题的工作已经发表：  *奇卡诺和阿尔巴。利用景观理论精确计算位翻转变异的期望曲线  *奇卡诺，惠特利和阿尔巴。 2012.均匀交叉的期望曲线的精确计算

您的问题是出于一般研究兴趣还是您寻求实用指导？

Answer 2

没有。如果您定义算法的数学模型（初始种群，组合函数，变异函数），您可以使用常规数学方法来计算您想要知道的内容，但“典型遗传算法”过于模糊，无法得到任何有意义的答案。

如果你想设置一些遗传算法的超参数（例如“DNA”位的数量），通常用通常的方式对任何机器学习算法进行设置，使用交叉验证集。