我已经开始实施自己的遗传算法，我正处于决定如何为新一代选择父母的阶段。我做了一些阅读，似乎有很多不同的方法可以解决它。
我知道各种选择技巧（锦标赛，轮盘赌），但我似乎无法找到的信息是应该选择多少父母。
我将要处理的初始人口规模将在50-75个人之间。我在考虑为下一代选择一半的人口，所以每一代人口减少一半，不确定这是否是最好的途径。
任何建议都会很棒。
答案 0 :(得分：4)
我参加了遗传算法课程，作为我硕士学位课程的一部分。
正如@et_l正确地说的那样，每次迭代的人口一般应该是相同的大小，所以你想要每一代的解决方案越来越少（如你所说的那样减少一半的人口数）是没有意义的。人口50-75也很小。我建议在你的人群中至少有100个解决方案。
选择多少家长完全取决于您。您可以选择您的整个人口，或只选择少数人口。父母的数量通常只会影响您的人口汇聚到单一解决方案的速度。通常，选择的父母越少，收敛的越快。
现在说（例如）你选择100人口的十大解决方案作为你下一代的父母。你杀死了其他90个人口并保持前10名。（请注意，你杀死的人数也存在差异，这并不总是需要成为你的人口的一部分而不是进入顶部并成为父母。）
接下来，您将10个父母组合在一起，创建新的解决方案。有很多方法可以结合起来。在这一步，重要的是让你的人口回到你的人口的初始大小，即100.你可以选择让你的10个父母留在你的新一代，或杀死他们，并拥有一个完全由100个孩子组成的人口10个父母的总和，而不是10个父母的人口+ 90个孩子。
或者，您现在还可以对新群体执行一些变异，以获得更多种类的解决方案。你是否这样做完全取决于你，我建议你试验一下，看看这会产生什么样的影响。如果您选择包含突变，通常只有一小部分人口会发生变异。
最后你有新的人口，如果你愿意，你可以开始另一次迭代。继续进行迭代，直到获得满意的解决方案。
我希望我已经明确表示有很多方法可以实现遗传算法，需要进行一些实验才能找出最适合您特定问题的实现方法。
答案 1 :(得分：1)
我没有使用遗传算法的经验，但是阅读[维基百科页面]（https://en.m.wikipedia.org/wiki/Genetic_algorithm）我可以看到每次迭代时群体的大小通常应该相同。这里提到的终止条件包括固定数量的迭代和一代中最佳解（个体）适应度的最小值。从理论上讲，你应该能够继续迭代，在你达到终止条件之前再多生一代。
考虑到这种理解，您现在可以计算生成新一代所需的父母数量。请注意，您正在使用遗传算子（通常是交叉和突变及其组合）从上一代选择父 生成新的生成。您不会将选定的个体本身用作新一代，因为这不会导致解决方案的演变。因此，要计算所需父母的数量，您需要确定您使用多少父母来生成一个孩子（＆＃34;经典＆＃34;方法将是2，但这不是必需的）。通常情况下，您不会使用相同的父母组（夫妻）来创建多个孩子。但我猜测（因为在wiki页面中没有提到）你会在几个不同的组（夫妻）中使用特定的父母来创建不同的孩子。您可能也没有为每个创建的子项创建一定数量的父项（例如，使用突变，您只能为一个孩子使用一个父项）。
假设您为每个孩子准确使用了2个父母，您不是多次使用同一对夫妇，而是在多对夫妇中使用每个父母生成多个孩子。要制作大小为y的人口，您需要选择x个父母，以便(x choose 2) = (x!)/(2!(x-2)!) = (x•(x-1)/2) = (1/2)(x^2 - x)大于或等于y。用您所需的人口规模替换y并求解x。
我注意到的另一个相关的事情是，在他们写的维基页面中，通常选择的人口规模是数百或数千，所以你选择的50-75的大小似乎非常小。
答案 2 :(得分：1)
每一代人都在选择N个父母（无论你认为合适。最好的数字取决于问题.2是通常的），越过它们，改变孩子（只有百分之几的机会），并替换一些人口与他们（这是保持人口规模的常见做法）。你要的是最后一个。
一个简单的策略是用每一代cicle代替整个人口。另一个只能替代N个最差的人。其他可能是N个随机个体...