在遗传算法中寻找目标号码的好选择函数是什么？

Question

我正在编写一个遗传算法来找到一个表达目标数的表达式，也就是说，如果目标数是10，那么解决方案可以是2*5。我遇到的情况是，我的整个种群成为一个相同的染色体，我认为健身功能是负责这一点的。

以下是可能的染色体，遵循数字和运算符交替出现在字符串中的规则，即没有两位数或两个运算符相邻。合法字符串将以数字或+/-运算符开头。表达式将从左到右按原样计算(忽略算术运算的顺序)：

• 1/2+3+5
• -2+4+1+8
• -7+6*2+8
• +2/5-1+8 2+1*2-2
• +2*7*7+3
• +1/2/2/6 5/5*9*1
• +3-1+1*8 3-8+7*1

甄选()：

    def selection(population):
        total_finesses = Decimal(0.0)

        # Roulette selection:
        for chromosome in population:
            total_finesses += chromosome .fitness
        # Generate random number (spin the roulette).
        pick = Decimal(random.uniform(0, float(total_finesses)))
        current = Decimal(0.0)

        for i, chrom in enumerate(population):
            current += chrom.fitness
            if current > pick:
                return population[i]

健身()：

    def fitness_calculator(chromosome):
        current_value = get_value(chromosome) # Returns the decimal value of the chromosome.

        return Decimal(-1 * (abs(target - current_value), 5))

正如您所看到的，当它接近0时，适应度被认为是更好的，因为我正在寻找一个表达式，它用最小的增量来表示它本身和目标数之间的值。

我认为我有一个选择算法的问题，选择最适合的染色体在轮盘赌的方法。

Answer 1

我在计算机科学stackexchange 这里上回答了一个类似的问题，它以最好的方式解释了如何找出哪种方法是解决问题的好方法。

然而，它看上去不像你已经实现了突变，这是负责保持多样性的群体；所以你可能会考虑以某种方式实施。有几种方法可以找到这里。

@TomDalton在对你的问题的评论中也提出了一些合理的观点。如果您的池中有几个相同的解决方案会导致问题，请不要允许它。此外，随机选择很少是一个好主意，往往会使评估功能失效。您的评估函数对池中的解决方案进行排序。用它！有些方法说采取最好的解决方案，并将它们配对，以使最好的解决方案更好；而另一些方法则说，采取最坏的解决方案，以保持所有解决方案都相当体面。除此之外，还有许多其他可能的选择方法可供您选择。

我的最后一点是(虽然它可能不直接适用于您，但它可能会帮助那些在这个线程中结束的人)，当查看GAs时，微调的初始种群大小常常被低估。确保你也尝试了几种不同的方法。

阅读材料：

Miller，B.L.，& Goldberg，D.E.(1995年)。遗传算法，比赛选择，以及噪声的影响。复杂系统，9(3)，193-212。

Goldberg，D.E.& Deb，K. (1991)。遗传算法中选择方案的比较分析。乌尔巴纳，51,61801-2996。

Poon，P.W.，& Carter，J.N. (1995)。用于排序应用的遗传算法交叉算子。“计算机与运筹学”，22(1)，135-147。