如何在遗传算法中交叉

Question

我只想问一下学习过程在遗传算法中是如何工作的。权重和偏差的值如何组合以生成新一代？我想让汽车绕轨道行驶而不会发生碰撞。初始化两辆具有不同权重和偏差并选择更好的汽车后，我该怎么办？我是否要新一代，并希望它比上一代更好？预先感谢！

Answer 1

如前所述，这是一个真正的开放性问题。

让我们从大小为50的种群开始。在评估种群中每个基因组的适合度之后，我们可以根据它们的评分方式以降序对它们进行排序。因此，我个人希望选择3-5个表现最好的人，以自动将其纳入下一代。从长远来看，这可能会导致premature convergence，因为从理论上讲，性能最高的人是永生的（直到被性能更好的基因组所篡改），但鉴于我们还有45个空位需要填补，因此还有其他组合空间被评估。

接下来，您将需要一个或多个selection algorithms来为45个后代挑选父母。每种算法都有不同的选择亲本的方法，但是大多数算法都是为了赋予更高适应度的基因组更高的选择机会。

有两个父母，我们已经准备好进行分手。有不同的解决方法，但是通常，您需要选择两个亲本中的更合适的一个，通过其基因进行迭代，如果较小的亲本具有相同的基因，则可以在两者之间随机选择（否则只需复制更适合的基因）。当然，您可以复制整个基因，也可以更深入地研究并随机化两者之间的基因内部特性。

越过后，然后应用mutations来随机修改后代基因的属性。这很重要，因为它使我们能够（随机）遍历您要优化的问题的搜索空间。

可以认为它是结合上一代最适合的基因组来尝试尚未测试的新组合。有几种方法可以完成此操作，而要实现此目的的最佳解决方案将需要进行一些测试和调整。

您似乎正在尝试将其应用于神经网络，因此，如果您尚未这样做，建议您阅读the original NeuroEvolution of Augmenting Topologies (NEAT) paper。