0

我将区间 [x:y] 编码为像10101111这样的二进制代码，所以对于人口来说，它就像[[1,0,1,1],[0,1,0,1]].

我直接使用函数 ( sin(x)^2) 的值定义了适应度函数。

对于选择，我使用锦标赛选择和交叉，仅像这样简单交换染色体的一部分：1(10)0and 0(01)1-> 1(01)0and 0(10)1。

对于突变，使用位反转。

这种算法很有效，它有时可以生成全局最小值，有时也可以生成局部最小值。但我在这个问题中没有看到交叉的功能，因为'x'的特性每次都被破坏（我认为），我不知道为什么，如果它是编码交叉的正确方法或者可能是编码部分。

4

1 回答 1

2

恐怕没有“正确的方法”来交叉。

有许多交叉算子（例如，二进制编码遗传算法中的交叉算子比较- STJEPAN PICEK，MARIN GOLUB）可用于二进制编码遗传算法，但是：

  • 根据问题的性质，一个或另一个交叉算子会有更好的结果。
  • 每个交叉运营商都有其优势和劣势，因此选择一个最终代表了某人的要求和经历的实验的问题。
  • 在许多情况下，统一和两点交叉是不错的选择。

交叉是遗传算法的主要探索机制，但遗传算法背后的驱动力是选择、交叉和变异之间的合作（变异阻止了种群的收敛并引入了变异）。

通常，仅突变方法没有足够的探索强度来达到最低限度，而成功主要是由于解决方案在初始种群中的分布。

对于连续函数优化，您还应该检查差分进化。

于 2015-12-15T10:02:27.463 回答