selection - 遗传算法——产生新一代

Question

我正在努力完全理解如何在 GA 中获得新一代。AFAIK，这些是步骤（让我们考虑elitist方法）：

• 选择（保留 20% 的最佳种群并将其放在下一代中）
• 交叉（交叉其余 70% - 每个父代只与另一个父代交叉一次；我们如何处理交叉概率？）
• mutate（以概率 MP 对世代中的所有样本进行变异）

我不确定这是否可行，也如上所述 - 你如何处理交叉概率 CP？我的意思是，你需要在几代人之间有相同的种群规模，因此你需要从最差的 70% 的种群中交叉所有样本 - 使 CP 无用。

Answer 1

交叉的概率如下：

if rand() < crossProb:
  child1, child2 = crossover(parent1, parent2)
else:
  child1, child2 = parent1, parent2

假设 rand() 给出 [0, 1) 之间的浮点数，并且您的交叉函数旨在返回两个值。突变的工作原理基本相同，但只有一个父子关系。

您选择过程中最初的 20% 可以保证没有突变/交叉。

Answer 2

每个个体可以包含两个基因组拷贝，而配子包含一个拷贝。通过随机从这两个拷贝中的每一个中获取所需的基因，从这种双重基因组中产生配子。当配子加入时，会产生一个具有两个副本的新个体。至少，这就是它在自然界中总是发生交叉的工作方式（没有像 CP 这样的东西）。

然而，这需要解决两个基因组如何反映到参与选择的单一表型。根据您尝试使用遗传算法解决的任务，这可能从微不足道到非常成问题。

我还推荐使用JGap包，它提供了许多自然和人类发明的算法。