遗传算法：轮盘赌选择

Question

我正在尝试实施轮盘赌选择。我发现了一些伪代码，但是我已经实现了它，但是对于0适应度的基因组，我有一些我不理解的东西。

我找到的psudocode就是这个

for each genome in population:
    totalFitness = totalFitness + genome.fitness

x = random(0, totalFitness) 

currentCount = 0

for each genome in population:
    currentCount = currentCount + genome.fitness
    if currentCount >= x:
        parent = genome
        break

我关注的是：我说我有5个基因组，得分如下：

G1 = 11
G2 = 0
G3 = 0
G4 = 0
G5 = 0

基于上面的算法，肯定只能选择G1来杀死遗传多样性....我明白了吗？

Answer 1

是的，你已经理解正确了。如果你想拥有更好的多样性，你应该给予个人部分信用，而不仅仅是零，当他们不是很好。

实现这一目标的一种简单方法是计算个人的错误，然后让适应度为1 /（1 +错误）。但只是找到一种方法给你的个人一些点可以解决你的问题。

您可能还想了解缩放适合度值。现在选择的机会与适应度成正比。

Answer 2

你已经理解正确了。如上面的答案所述，改变适应度函数以使0不可能是一个很好的解决方案。一般来说，有了这种类型的问题，轮盘选择不是最好的选择。

如果您使用遗传算法，其中某些人口的得分为0，但您仍希望将其纳入选择过程，则应考虑使用不同的选择方法。基于排名的轮盘选择方法可以更好地适应问题。它不仅可以为每个基因组提供选择的可能性，而且还可以阻止异常值控制轮盘赌。

与大多数遗传算法的实现一样，您的选择会受到问题的严重影响。有时你想要从人群中剔除一个健康状态为0的基因组，然后你就可以使用如上所述的轮盘选择。