遗传算法CrossOver

Question

我有人口X的GA。

在运行基因并获得每个基因的结果后，我对基因做了一些加权乘法（因此排名较好的基因得到的倍数最多）

我得到x * 2或x * 2 +（x * 100/10）基因。 10％是随机新基因，它可能会或可能不会触发，具体取决于突变率。

问题是，我不知道再次将人口减少到X的最佳方法是什么。

如果基因是List我应该只使用list [:: 2]（或从列表中获取每个偶数索引项）

跨基因的常见做法是什么？

修改

我的GA人口为100的例子;

• 在适应度函数中运行100个基因并获得结果。现有人口：100
• 添加10％的新随机基因。现有人口：110
• 重复前10％的基因。现有人口：121
• 去除10％最差的基因。现有人口：108
• 结合所有可能的基因（无重复）。现有人口：5778
• 从基因库移除基因直至群体= 100.当前群体：100
• 重新启动健身功能

我想知道的是：我该如何做最后一步？目前我有一个包含5778个项目的列表，我每隔'58'取一个或表示为len（list）/ startpopulation-1

或者我应该在random.delete中使用'while True'直到len（list）== 100？

应在交叉之前或之后添加新的随机基因？

有没有办法对顶级到最低级别的项目进行gausian倍增？

例如：最高评级乘以n，第二名乘以（n-1），第三名乘以（n-2）......，最差评级乘以（n-n）。

Answer 1

我真的不知道为什么你这样做GA，你能提供一些参考吗？

无论如何，这是我实现功能性GA方法的典型解决方案：

1. 在适应度函数中运行100个基因并得到结果。

2. 根据归一化适应度函数随机选择2个基因 （考虑一下每个基因的选择概率 游泳池）和交叉。重复此步骤，直到您有90个新基因 （本案例为45次）。保存前5名，无需修改 重复。总基因：100。

3. 对于90个新基因和新池中的5个重复允许 它们根据你的变异概率（通常为1％）进行变异。 总基因：100。

4. 从1）重复到3）直到收敛，或X数 迭代。

注意：您总是希望保持最佳基因不变，例如在每次迭代中始终获得更好的解决方案。

祝你好运！