我的遗传算法程序没有超出一定的适应度

Question

我正在尝试编写古应力反演的遗传算法程序，即从我想要计算应力张量的给定数据集中得到。（最小化问题）

我已经生成了一个用于测试的合成数据集，但它没有给我预期的结果。

我的适应值在少数初始迭代中很快收敛，但在一段时间后变平，并且不能给出低于该值的适应度。

理想的健身~10 ^（ - 6） 我得到的健身~0.015

此外，我注意到我使用的数据总体（人口规模= 20），其中大多数在几百次迭代后采用相同的值，即20个中的大约15个值是相同的，所以我猜交叉会停止产生新的后代。

GA的物流是 - 人口规模20 迭代次数1000 单点交叉 比赛选择 突变概率= 1 /否。比特

我在matlab上进行了编程

Answer 1

嗯，这恰好与GAs有关。它被称为premature convergence。

我要在你的情况下尝试的第一件事就是大幅增加人口规模，例如： 500个人。这么小的人口很可能变得同质化。然后我会调整参数（交叉和变异的probs）。如果这些东西不能很好地运作，你可以尝试其他技术，如健身共享和拥挤。