为什么我的遗传算法看似随机行为？

Question

我正在尝试使用基本遗传算法（Iterated Prisoner's Dilemma，Stochastic Universal Sampling，Canonical GA）为1-point crossover制定最佳策略。我在Haskell中实现了这个算法，并且最近添加了图表输出。不幸的是，生成的图表不符合此问题的预期模式，因此看起来我有一个错误。

我在这个问题上看到的所有适合度图都是这样的：

其他例子可以在On Evolving Robust Strategies for Iterated Prisoner's Dilemma, P.J. Darwen and X. Yao (1993) p6-7

中看到

但是我的输出看起来像这样：

如果我将突变率设置为1，我得到：

也许暗示我的选择功能并不像我想象的那么随机，因为图表意味着同质人口。

如果您想检查，我的代码在this git repository。

现在提出一个问题：你们有没有人建议我在GA实现中做错了什么来使图表看起来像这样？

e.g。我认为它不太可能是健身功能，因为我使用相同的适应性输出功能，它正在最大化，所以即使健身功能在某种程度上是错误的，它仍然会最大化错误的功能（虽然我确定我可能在这里错了，我对遗传算法很陌生）

我想知道要查看哪些功能的建议，我正试图解决这个问题。

编辑：在我的组合函数中添加了一些调试代码后，它似乎总是被传递给相同的个体（即使将变异设置为1），所以可能选择在某处出错。

编辑：选择出错了，但这并没有造成所有问题，只是人口的同质性。

Answer 1

你有一个函数maybeFlip，它会以给定的概率将等位基因改为对面。因此，当突变率为1时，您将继续在两个对立面之间来回翻转所有等位基因。这解释了图表中的锯齿形图案。

_{此外，swap位于Data.Tuple：）}