生成下一代遗传算法

Question

几个月前，我发明了一种遗传算法，但在解决任何问题的过程中，我都是一个星期。我最初的目标是在游戏应用中使用遗传算法。

现在，我重新创建了整个过程，并试图从另一个角度看问题。

现在，我将定义下一代的设置步骤。

我的最后一个想法是：

• 从当前一代中获取最高等级的基因，并在下一代复制它们(数量由精英决定)。
• 取两个随机基因进行交叉(被挑选的机会与基因等级相关)，我做了几种交叉方法(1点，2点，三父母，平均，均匀.)
• 用上述方法用基因填充新一代
• 将一些突变应用于基因(被选择的机会取决于突变率)，它只会改变DNA的一部分(顶级基因被排除在外)。

事实证明，这是非常低效的(我不知道为什么)，而且计算要求也很高，因为交叉过程已经在所有的基因上循环了好几次。

现在我在想一种新的方法。

基本上，我的目标是维护这些基因，删除“坏”基因，用交叉基因填充基因库。

在一个有1.000个人的基因库里，我会：

• 丢弃排名最低的500位。
• 复制最高等级( 10%的精英主义，它是100)
• 利用交叉产生400个新基因。
• 应用突变

我把“世世代代”的概念说得太当真了，让他们都死掉了(期望排名最高的)，现在我会让他们都活下去，让他们都死掉。并根据需要重新定居。

我有遗漏什么吗？这个新方法会更好吗？

Answer 1

垂直基因转移(传统的世代概念)有一种替代方法，即横向基因转移(参见本论文)。随着基因水平转移，种群规模在整个模拟过程中保持不变。

此外，当你培育基因型(无论你选择哪种方法)，你绝对不应该只保留最适合的候选人在整个世代。如果这样做，您发现的解决方案很可能是一个局部最优。每一个基因型都应该有一些机会，使它到下一代，适者生存有一个更好的机会(参见这个答案关于线性等级选择)。