使用遺傳算法選擇稀疏參數

Question

我正面臨一個參數選擇問題，我想用遺傳算法（GA）來解決這個問題。我應該從3000個可能的參數中選擇不超過4個參數。使用二元染色體表示看起來像是一個自然的選擇。評估函數會懲罰太多的「選定」屬性，如果屬性的數量可以接受，則評估選擇。

問題是，在這些稀疏的條件下，遺傳算法難以改善人口。幾代人的平均適應成本和「最差」個體的適應度都沒有提高。我所看到的只是最好的個人得分的輕微（甚至是微小的）提高，我想這是隨機抽樣的結果。

使用參數索引對問題進行編碼也不起作用。這很可能是因爲染色體是定向的，而選擇問題不是（即染色體[1,2,3,4]; [4,3,2,1]; [3,2， 4,1]等都是相同的）

你會建議什麼樣的問題表示？

P.S如果這個問題，我使用PyEvolve。

Answer 1

我不熟悉與PyEvolve，但是從我記得大約遺傳算法，你所關心的4個步驟，

1. Chormosome Evalutation（你可能已經有這個想通了）
2. 染色體初始化
3. 染色體交叉
4. 染色體突變

我想你可以d這與列表很好。你需要重載一些操作符，但它看起來像PyEvolve lets you do this一個簡單的事情就是保持列表的表示，只是在你返回染色體之前按數字排序它們。

我需要知道更多關於您的問題，但這裏是我的建議。由於參數個數可變，因此您需要針對染色體中的參數數量提出某種概率分佈。我會在1,2,3,4這裏假設一個統一的隨機數，但如果你更喜歡這個，你可以嘗試其他的東西。我打算稱這個分配P_n。

1. 初始化。用（至少）3000條染色體對種羣進行種子處理。調用這些c_1，...，c_3000。從P_n中繪製n_j。把j放入c_j。從其餘參數中選擇剩餘的n_j - 1個參數，並使用統一的隨機分佈。
2. 交叉。假設我們有兩條染色體。 C_1和C_2。我們將創建（並返回）染色體C_3。從{n_1，n_2}中以概率1/2選擇n_3。現在將C_1和C_2的參數放在一個列表中（並且它們是唯一的，所以如果均爲 C_1和C_2包含參數1，則它只在列表中出現一次）。從聯合列表中繪製n_3個參數並將它們放入染色體C_3。
3. 突變。給定染色體C_1，從P_n中繪製n_1 *。如果n_1 *爲< n_1，則從C_1中隨機刪除元素，直到具有n_1 *個元素。如果n_1 * = n_1從C_1中隨機選擇1個元素並將其替換爲從不在C_1中的元素中隨機選擇的參數。如果n_1 *> n_1將元素隨機添加到C_1，直到尺寸爲n_1 *。

現在，有很多方法可以做到這一點，所以做什麼纔是最有意義的問題。

Answer 2

我覺得奇異值分解（http://en.wikipedia.org/wiki/Singular_value_decomposition）可能更適合這裏帳戶參數的數量的限制。