Question

遗传算法中交叉概率的重点是什么？

遗传算法的一般过程是：（source）

首先生成初始种群。然后使用选择方法（在这种情况下是锦标赛选择）来选择将创建一对孩子的一对个人。

将儿童添加到儿童群体中，直到其大小达到所需值。

下一步是将大小为N的父母群体与大小为M的儿童群体结合起来，或者通过一个替换另一个，从而保持两个群体中最好的N个人。

N = population size
P = create parent population by randomly creating N individuals
while not done
    C = create empty child population
    while not enough individuals in C
        parent1 = select parent   ***** HERE IS WHERE YOU DO TOURNAMENT SELECTION *****
        parent2 = select parent   ***** HERE IS WHERE YOU DO TOURNAMENT SELECTION *****
        child1, child2 = crossover(parent1, parent2)
        mutate child1, child2
        evaluate child1, child2 for fitness
        insert child1, child2 into C
    end while
    P = combine P and C somehow to get N new individuals
end while

当然，我们可能希望以给定的概率执行突变，例如，每100个孩子中就有一个会发生突变。

但我没有看到交叉率。如果在锦标赛选拔中选择了一对父母并且交叉并没有发生，会发生什么？父母应该加入儿童群体吗？在这种情况下，我们最终会在父母和子女群体中重复成员。

这里的目标是在每一代中创造尽可能多的孩子，并且必须通过交叉来实现。如何更改此算法以使交叉率有意义？

如果交叉概率为100％，那么所有后代都是由交叉。如果它是0％，则全新一代由精确副本制成来自旧人群的染色体（但这并不意味着新一代是一样的！）。 Source

如果交叉概率为0％，则整个世代由旧群体的染色体的精确拷贝组成。那么为什么新一代不是呢？

Answer 1

这取决于应用，遗传算法不需要严格执行。你可以看到伪代码中有许多模糊的陈述。

在此示例中，如果未发生交叉，则父项和子项相同，并且常规应用变异步骤。这不是问题，因为主循环将被评估很多次，以便有足够的交叉。主要目标是改善学习，创造许多孩子可能不一定在每个应用程序中实现这一目标。

一个例子是，积极的交叉实际上可能会破坏一些非常好的父母，因此学习质量会下降。交叉率可能在某种程度上保护，但正如我所说，它取决于应用程序。

最佳。

Answer 2

新一代的所有孩子都是老一代父母的“克隆人”。但即使你有4个染色体为“A，B，C，D”的父母，你也可以有6个孩子有“A，A，A，C，C，D”染色体，因此它们不相同。

PS：当然，如果应用突变，那么差异就会更大。

遗传算法中的交叉概率

2 个答案: