我有一个非常大的搜索空间的函数，所以我想使用遗传算法稍微接近最优，然后使用其他方法，如BFGS来找到最佳点。我正在使用R来做到这一点。
问题是我的函数有12个参数，并且在大多数点都无效。当我向GA提供最大和最小参数值并尝试生成总体时，有时整个群体由NaN形成（因此，算法无法继续）。
由于我对GAs知之甚少，我很难找到解决这个问题的方法。我唯一想到的是选择一个非常大的人口规模（类似10e5），所以它可以找到一些有效的值来开始。这不是一个非常好的解决方案，因为能够用正常大小的人口初始化算法会好得多。
你有什么建议吗？关于我缺少的任何东西？
谢谢
答案 0 :(得分：2)
如果您的大部分参数空间无效，则GA可能不是最佳方法。风险在于，当您跨越算法时，您可能会得到无效的参数组合。
另一种思考方式是GA是一种搜索算法。当它尝试的结果比它开始时更好或更差时，它的效果最好;如果大多数尝试都无效，那么搜索就没有多少指导。
我的建议是尝试以不同方式对问题进行参数化，以便更多的点有效（尽管可能是低适应度）。你没有描述这个功能，所以很难更具体，但有时可以接受一个＆＃34;无效＆＃34;输入并且只是量化了有效的＆＃34;有多远？它是。那就是你可以搜索的东西。
答案 1 :(得分：0)
您可以使用FI-2Pop GA。
“这是FI-2Pop GA的优点之一，它可以用空的可行人口进行初始化，并最终找到可行的解决方案。”