遗传算法要选择的竞赛选择限制

Question

我又开始研究一种遗传算法，我尝试了很多运算符和选择方法。当我选择比赛的时候，我注意到总是让最优秀的人被选中很容易，而小的人被选中的机会更少。我看到了一些变通的方法，比如对赢得锦标赛的个人实施一些“选择概率”，这样如果他不通过这个概率，就会给其他输掉的人机会。

我读过的另一种方法是给每个人一个选择次数的限制，但是在这个文档上并没有创造这个“限制”的任何方法。所以我开始考虑用每个人所代表的%来表示他的健康。例如：

ind 1: 10%‘直到100%消失10倍

ind 2: 40%到100%在2到3x之间

ind 3:8‘直到100%在10到12倍之间

ind 4: 30%到100%在3到4倍之间

或者使用逆%

ind 1可以被选择90%的比赛次数(或回合)

6 0%.

ind 3的选择率为92% .

ind 4的选择率为70% .

这只是简单的想法，没有什么复杂的。我想知道的是，是否有显示某种方法的文档创建了这个限制，或者您是否知道或有任何想法/意见可以改进这一点。

Answer 1

首先，在实现遗传算法时要记住以下几点：

几乎所有的气体都是武断的。您的解决方案将取决于：

• 你的人口个体代表潜在解决方案的方式，
• 你衡量你个人健康的方式，
• 你进行选择和育种的方式，
• 突变的数量，
• 世世代代的数量和你们的人口规模，
• 你可能选择其他的GA概念来实现..。

所有这些都是您的实现的参数。通常，使用GAs，您将实现一个解决方案，在几次运行中测试它，然后您将对它进行多次调整。

还请考虑您的搜索空间是什么，以及它可能是什么样子：

• 你的搜索空间是一个N维空间，它定义了你所有潜在群体的宇宙。(N是定义单个解决方案的特征数)。
• 如果你从三维空间(简单地说)想一想，你会有一个比较平坦的景观，还是会看起来像一座红河山，还是会有很多山、山、谷？在调整您的实现时，这一点也很重要。

现在，如果你担心某些人会太快地接管人口，那么你可以重新审视你的健身功能，以减轻健康个体的重要性。(你的适应度函数可能是线性的，也可能是线性的，有最大值，对数，或者其他什么.)。此外，你也可以增加突变率。此外，正如您所建议的，您可以限制单个解决方案繁殖的次数。你也可以尝试不同的选择机制，看看它是如何进行的(健身比例，比赛，等等)

只是一次又一次地调整、测试和迭代。通常情况下，这就是如何改进GA程序。

如果您更详细地说明您已经实现了什么，我很乐意给您进一步的思考。

祝好运。