遗传算法CrossOver

Question

我有一个人口的遗传算法。

在我运行这个基因并得到每个基因的结果之后，我对这些基因做一些加权乘法(这样排名越好的基因就能得到最多的倍数)。

我得到x*2或x*2+(x*100/10)基因。这10%是随机的新基因，它可能触发，也可能不触发，取决于突变率。

问题是，我不知道怎样才能使人口再次减少到X。

如果基因是一个列表，我应该只使用list::2

在交叉基因时，什么是常见的做法？

编辑：

我的遗传算法的例子，人口为100；

• 对健身功能中的100个基因进行运行，得到结果。现有人口: 100人
• 添加10%的随机基因。现有人口: 110人
• 重复前10%的基因。现有人口: 121人
• 去除10%最坏的基因。现有人口: 108人
• 结合所有可能的基因(不重复)。目前人口: 5778人
• 从基因库中删除基因，直到种群= 100。现有人口: 100人
• 重新启动适应度函数

我想知道的是:我应该怎么做最后一步？目前，我有一个包含5778个条目的列表，每'58‘就取一个，或者表示为len( list )/ every 1。

或者，我应该在random.delete中使用“while”，直到len(list) == 100？

新的随机基因应该在杂交前后添加吗？

有没有办法使最高到最低等级的项目进行一个标准乘数？

例如:最高的等级乘以n，第二最好的乘以(n-1)，第三的乘以(n-2) .，最差的乘以(n-n)。

Answer 1

我真的不知道你为什么要那样表演GA，你能给我一些参考吗？

在任何情况下，这里都是实现函数GA方法的典型解决方案：

1. 对健身功能中的100个基因进行运行，得到结果。
2. 根据归一化适应度函数随机选择两个基因(考虑每个基因从池中选择的概率)并进行交叉。重复这个步骤，直到你有了90个新基因(这个例子是45次)。保存前5没有修改和重复。基因总数: 100。
3. 对于90个新基因和新的池中的5个重复基因，允许它们根据突变概率进行变异(通常为1%)。基因总数: 100。
4. 从1)重复到3)，直到收敛，或X次迭代。

注意:你总是想保持最好的基因不变，因为你总是在每次迭代中得到一个更好的解决方案。

祝好运!