初始遗传编程参数

Question

我做了一点GP（注意：很少）在大学工作，最近一直在玩它。我的问题是关于初始运行设置（种群大小，世代数，树的最小/最大深度，初始树的最小/最大深度，用于不同复制操作的百分比等）。设置这些参数的常规做法是什么？人们使用哪些论文/网站作为指导？

Answer 1

你会发现这很大程度上取决于你的问题领域 - 特别是健身功能的性质，你的实施DSL等。

一些个人经历​​：

• 人口规模庞大似乎有效 当你有健康的嘈杂时更好 功能，我认为这是因为增长 连续几代人群中的亚群行为 提供更多的抽样 健身功能。我通常使用 100用于较少噪声/确定性功能，1000 + 吵闹。
• 对于世代，最好衡量一下 健身功能，当它停止 符合您的目标标准。我通常会运行几百代，看看会出现什么样的答案，如果它没有显示出任何改进，那么你可能在其他地方遇到了问题。
• 树深度要求实际上取决于您的DSL。我有时会尝试做一个 没有明确的实施 限制但惩罚或消除 运行时间太长的程序（可能是 你真正关心的是什么......）我还发现总节点数为~1000是非常有用的硬限制。
• 似乎没有不同突变/重组操作符的百分比 这么重要。只要 你有一套全面的突变，任何合理的平衡 分配通常会奏效。我认为这样做的原因是你基本上在寻找有利的改进，所以主要目的只是确保试验改进在所有可能性中得到合理分配。

Answer 2

为什么不尝试使用遗传算法为您优化这些参数？ ：）

  

计算机科学中的任何问题都可以   用另一层解决了   间接（除了太多   间接层。）

     

-David J. Wheeler

Answer 3

当我开始研究遗传算法时，我遇到了同样的问题。

我想在一个非常简单的问题上收集数据变量参数，并将给定的运算符和参数值（例如变异率等）与给定的结果相关联，并与人口规模等有关。

一旦我开始进入GA，我就会意识到，鉴于变量数量巨大，这是一项艰巨的任务，而且泛化非常困难。

如果您决定简化问题并使用固定的方式来实现交叉，选择，并且只使用人口规模和突变率（以给定方式实施）来尝试提出问题，那么请从我（有限的）经验谈谈一般的结果你很快就会意识到太多的变量仍在发挥作用，因为在一天结束时，在统计数据之后，你会得到一个不错的结果（无论你想要定义什么样的体面的）显然仍然主要依赖于您正在解决的问题，因此依赖于基因组大小（以不同方式表示相同问题显然会导致给定GA参数的效果不同结果！）。< / p>

当然可以起草一套准则 - 正如（稀有但好的）文献所证明的那样 - 但只有当手头的问题可以完全相同时，你才能用统计术语有效地概括结果。方式和适应性以某种方式评估等效方式（这通常意味着你正在处理一个非常类似的问题）。

Answer 4

在这些问题上看看Koza的voluminous tomes。

Answer 5

即使在GP社区内，也有很多不同的思想流派 - 有些人认为（低）数千人中的人口已经足够，而Koza和其他人通常认为如果值得在GP人群中以不到100万人开始全科医生运行; - ）

如前所述，这取决于您的个人品味和经验，资源以及可能使用的GP系统！

干杯， 扬