交叉概率在遗传算法/遗传编程中有什么影响？

Question

谁能举个交叉概率的例子？我想知道确定交叉概率的好处是什么，以及它对遗传算法或遗传编程有什么影响。

Answer 1

根据定义，交叉概率没有好处。它只是一个参数，允许您调整遗传算法的行为。降低交叉概率将使更多的个体在下一代中保持不变。在解决某些问题时，这可能会产生积极的影响，也可能没有。我在HeuristicLab中创建了一个小实验，将遗传算法应用于TSP。在TSPLIB (bays29)的一个小实例上，对每个概率重复遗传算法10次。正如您在下图中所看到的，识别模式是相当困难的。我还上传了algorithm和experiment，您可以在HeuristicLab中打开并亲自体验这些文件。该实验包括每次运行的质量图表和进一步的分析，因此如果您愿意，可以检查收敛行为。

​

​

也有可能是选择的策略过于简单，因此没有显示出效果。在实验中，没有进行交叉的双亲也通过适应度比例选择进行了选择。因此，一个高质量的个体会很快地统治整个群体。一种不同的策略可以是通过适应度比例选择只选择交叉的双亲，并随机选择剩余的双亲。结果可以在这里看到(algorithm和experiment)；

​

​

您可以进行自己的修改并试验结果。

可以在这里找到相关的答案：What is Crossover Probability & Mutation Probability in Genetic Algorithm or Genetic Programming?

Answer 2

我不知道你到底在问什么。交叉概率就是应用交叉运算符的概率-- 0.0，1.0范围内的任何实数都是一个例子。

也没有单一的最佳设置。它依赖于算法中的大量因素和与其他设置的复杂相互关系。例如，如果你有一个代际遗传算法，你希望父母可以在没有修改的情况下存活下来。否则，您可能会失去好的解决方案。因此，您可以将交叉率设置为某个较低的值，如0.7。另一方面，像CHC这样的算法是非常精英化的--它总是保留它找到的最优解，因此有更多的动机使用交叉来进行更广泛的搜索，因此它将概率设置为1.0。其他算法完全依赖于变异，并将交叉率设置为0.0。遗传算法最典型的值非常高--可能在0.8到1.0之间。遗传编程倾向于经常使用较低的值，可能低至0.3或0.4。

但这一切都是离题的。你必须设计一个算法来支持某些目标。弄清楚多久做一次交叉应该是你出于某种原因做出的决定。如果你所做的只是使用现成的遗传算法，然后在其中添加一些随机参数，那么它不太可能工作得很好。