algorithm - 遗传算法收敛的合理比特串大小

Question

在典型的遗传算法中，是否有任何指导方针来估计在给定人口中个体描述中的熵量的情况下收敛所需的世代？

此外，我认为还要求每代的后代数量和突变率是合理的，但目前我对这些参数的调整不太感兴趣。

Answer 1

嗯，没有任何具体的数学模型形式的指导方针，但是人们使用几个概念来交流参数设置和如何选择它们的建议。其中一个概念是多样性，它类似于你提到的熵。另一个概念称为选择压力，它根据个体的相对适应度确定必须选择个体的机会。

可以计算每一代的多样性和选择压力，但代际之间的变化很难估计。您还需要能够预测交叉和变异算子的预期质量的模型，以便估计下一代的适应度分布。

最近发表了关于这些主题的工作： * Chicano 和 Alba。2011. 使用景观理论精确计算位翻转突变的期望曲线 * Chicano、Whitley 和 Alba。2012. 均匀交叉期望曲线的精确计算

您的问题是出于一般研究兴趣还是寻求实际指导？

Answer 2

不。如果你定义了算法的数学模型（初始种群、组合函数、变异函数）你可以使用正常的数学方法来计算你想知道的，但是“典型的遗传算法”太模糊了，没有任何有意义的答案。

如果您想设置某些遗传算法的超参数（例如“DNA”位的数量），这通常以任何机器学习算法的常用方式完成，并带有交叉验证集。