在稳态遗传算法中应用变异

Question

我正在实施稳态遗传算法来执行符号回归。

我的问题是关于突变和交叉算子之间的关系。

我总是在应用变异和锦标赛选择之前咨询变异概率（Pm），以根据错误选择父母。

• 第一个问题：

变异必须仅适用于交叉后获得的儿童（或其他遗传算子） 或者可以直接应用于1父母以生成新的个体？

• 第二个问题：

交叉手术后获得的儿童必须经常尝试突变（当然还有Pm）？

提前谢谢大家。

Answer 1

通常交配过程包括交叉和变异，所以为了回答你的问题，一个标准的方法是采取父母，交叉申请，然后改变最终结果（在称之为孩子之前）。

这样做的原因是，如果你对父母应用突变，那么基本上“过多的突变”正在发生（假设突变率是相同的，你就会把东西加扰的几倍加倍）。

即使我从未见过这样做，当然你也可以这样做，但你必须'重新缩放'突变，这样才不会对进化过程造成破坏（过多的突变 - >随机游走）。

我曾经用过的所有标准进化率都是给孩子的，所以这是另一个原因。

Answer 2

在每种情况下，您都可以这样做。不同的交叉和变异方案可能适用于不同的问题;尝试各种各样的问题，看看他们的表现如何。 （但是当然如果你（1）说变异只适用于交叉后的孩子，（2）说交叉后的孩子不变异，那么结果是你没有变异:-)，所以这个组合是可能不是一个好的。）

Answer 3

正如其他答案中所提到的，任何一种方法都是可用的，我看到它们都在实践中实现。这是一个设计选择。但是，话虽如此，我想说服你，最好一次只执行一次遗传操作。

大多数时候，对于遗传算子来说，高“局部性”的特性是理想的。局部性是指操作员对个体的影响是如何局部化的 - 它是否从根本上改变了它，或者它是否只做了一个小的调整，将个体轻推到搜索空间中的相邻位置。具有低局部性的操作员在搜索空间中产生大量不相关的跳跃，这使得难以逐步进行，而是依赖于幸运的罢工。如果要在一个步骤中应用交叉和变异，则可以有效地组合这些更改，从而创建比单独应用更低位置的操作。

有些时候你可能会想要这个，但通常情况下只有在健身状况如此崎岖的情况下，进化算法可能是错误的方法。