在遗传算法的哪一步应该应用健身共享？

Question

我正在使用健身共享方法来解决多模式问题（最多2个）。适应度函数找到零个数的最大值和个体的计数：

f=max(u,(1-u))

其中u是基因型中的数量。例如，对于基因型101110，

f=max(4,2)=4

问题可以通过遗传算法解决。遗传算法通常有5个步骤：

Initial_Population-＆gt;健康评估 - ＆gt;选择 - ＆gt;交叉 - ＆gt;突变 - ＆gt;适应性评估

为了确保找到这种多模态健身景观中的两个峰值，可以将适应性共享方法添加到遗传算法中。但是，我不知道在上述GA步骤中引入该方法的位置。它是在突变和健身评估之间吗？如果它是正确的，健康评估是否使用原始适应度或调整适应性来分享方法？

Answer 1

应用健身共享的最直观方式是，每当您评估健康状况时，将其用于健身评估，方法是使用它来调整原始健康状况。

健身共享的灵感在于，在生物学中，特定生物体必须应对的竞争量将对其适应性产生重大影响。需要与许多其他人竞争食物的生物将消耗更少的能量并产生更少的后代，即它们的适应性将更低。更多类似生物之间的竞争将更激烈。

因此，健身分享最好被视为对健康评估的调整 - 它主要是由于“竞争”导致解决方案的适应性低于看起来的事实。当然，在标准遗传算法中，这不是传统的资源竞争。相反，竞争是健身领域特定部分的最佳解决方案。

更严格的健身分享方式是直接改变健身状况的过程，如下面的动画所示。较暖色的山丘代表搜索空间内具有较高适应性的区域。因此，人口迅速倾向于他们。然而，如果应用健身共享，这会降低与这些区域相关的适应性，迫使群体分散并探索更多的搜索空间（因为大多数位置只有在那里只有少数解决方案才有用）。由于健身状况直接决定了与每个解决方案相关的适应度，这也表明适应度评估步骤是应用转换的适当位置。