我刚刚开始学习遗传算法，现在正尝试在物理模拟中的二维形状优化中实现它们。模拟为每个形状生成单个标量。 （我想这有点类似于boxcar2d http://boxcar2d.com/）
2D形状实际上是几个2D“子形状”的结合。每个子形状都存储为角度/半径列表。然后将2D形状存储为子形状列表的列表。这就是我现在的染色体。
现在对于健身，我可能会使用模拟产生的标量。我的问题是，我该如何进行选择和复制过程？锦标赛会更合适，还是我想将截断与比例选择结合使用？另外，您如何找到良好的突变率/种群大小等
抱歉这么多问题，但提前谢谢。我真的不知道从哪里开始。答案 0 :(得分：1)
在我看来，最好的方法是在进化过程中使用自适应再现策略：在第一步（让它命名 - “计算的第一阶段”）你可以设置高变异概率，在这个阶段你应该找到足够好的解决方案。在算法的“第二阶段”，你可以设置每隔几个步骤降低变异概率 - 在这个阶段你应该改进你的解决方案。但有时候在我的实践中，我已经注意到在优化的第二阶段（当每条染色体与其他染色体非常相似时）的种群退化 - 这会影响优化性能的极端减慢，所以我的解决方案是用高值突变随机扰动改进算法，它有帮助。
另外，我建议您阅读差分进化算法 - http://en.wikipedia.org/wiki/Differential_evolution。至于我，它的性能比遗传算法快得多。