哪种编码用于遗传算法？

Question

我想用C编写遗传算法来优化10个变量（x1到x10）的函数。但是我无法确定应该使用哪种编码。我主要看到在示例中使用了二进制编码，但在我的情况下，变量可以采用实际值。此外，值编码是否适合这些类型的问题？

Answer 1

对于真正有价值的问题，我建议尝试使用CMA-ES或其他ES版本。 CMA-ES当然是现实价值问题的最新技术。它旨在快速找到多维问题的良好解决方案。 Hansen's page上有可用的实现。 HeuristicLab的工作中还有一个C＃实现。进化策略是专为实值优化问题设计的算法。它们与遗传算法非常相似（两者都是在同一时间发明的，但在不同的地方发明）。主要区别在于，对于ES，主要驱动因素是突变，它具有突变强度的巧妙适应性。没有这种适应性，（局部）最佳值不能及时定位。 CMA-ES易于配置，它所需要的只是初始标准偏差和可选的种群大小（否则有一个公式可以根据问题大小估计这个）。

当然也可以应用遗传算法，但是你必须使用一些特定的运算符，这些运算符只能在非常小的程度上改变变量。例如，有来自Mühlenbein的种鸡遗传算法。一般而言，遗传算法更适合需要正确组合的问题。例如。哪些项目包含在背包问题中，或哪些功能和终端与公式（遗传编程）相结合。少了问题，你需要为某些东西找到合适的价值。虽然当然有遗传算法的变种来解决这些问题，但是寻找实数编码遗传算法（RCGA或RGA）。

另一种适用于实值问题的算法是粒子群优化，但在我看来，配置起来比较困难。我将从SPSO-2011 2011标准PSO开始。

如果您的问题包含整数变量，则选择变得更加困难。当变量是离散的时，进化策略不能很好地执行，因为整数变量的自适应方案是不同的。遗传算法再次成为一种有趣的首选算法。

Answer 2

最好使用遗传算法，当两个非常接近最优的答案在合并时会使其他东西非常接近最优。纯二进制编码的问题在于，如果你不检查你的交叉，你最终会得到两个答案，这些答案可能与原始答案没有多大关系。

也就是说，如果您的变量数量非常少且变量中的数据量很大，那么这只是一个问题。就选择编码而言，它更像是一门艺术，而不是一门科学，它取决于你的问题。我建议使用符合您想要的精度的编码。有了10个变量你就不会有那么大的错误但是你编码它，一个8位的ASCII编码器可能会正常工作。

希望有所帮助。