我面临以下问题。 我有一个系统能够根据他们的异常分数产生一些操作的排名。为了提高性能，我实现了遗传算法来执行特征选择，使得最异常的操作出现在第一个位置。我正在做的不是特征选择，因为我没有使用二进制变量，而是在0-1之间浮动变量，其总和等于1.
目前，我有50代人口200人。我使用系统本身作为评估函数，我使用真正的正率评估解决方案的质量，计算前N个位置出现的异常操作数量（其中N是异常操作的数量）。然后作为操作员的均匀交叉，我改变个体细胞的值以进行突变。当然，每次我检查以确定个人的总和是1.最后，我使用精英主义来保存当时最好的解决方案。
我观察到一个特征具有非常高的值，这通常很重要，但并非总是如此，这导致其他特征的值非常低。我怀疑我的GA过度拟合。 你能帮我找到一个好的停止标准吗？
答案 0 :(得分：12)
遗传算法和编程中的过度拟合是一个大问题，目前正在GP社区的研究重点，包括我自己。大多数研究的目标是遗传编程和分类/回归模型的演变，但它也可能与您的问题有关。有些论文可能会对你有所帮助（我也与之合作）：
您可以通过在scholar.google.com中搜索他们的标题来找到论文（前两个直接以pdf格式）。
基本上，所有论文都使用的是，仅使用训练数据的子集来指导演化和每代（随机）改变该子集（对于一代中的所有个体使用相同的子集）的想法。有趣的是，实验表明，该子集越小，过度拟合就越少，直到仅使用单个元素子集。论文使用了这个想法，并通过一些调整（如在完整数据集和子集之间切换）进行扩展。但正如我在开始时所说的，所有这些都是针对符号回归（或多或少）而不是特征选择。
我个人曾经尝试过另一种方法（再次通过遗传编程进行符号回归） - 使用训练数据的子集（例如一半）来推动进化（即适应性），但是“最好的解决方案”使用剩余训练数据的结果确定。过度拟合的重要性要小得多。