初始遺傳編程參數

Question

我在大學做了一個小GP（注：很少）工作，最近一直在玩它。我的問題是關於初始運行設置（人口規模，世代數，樹木的最小/最大深度，最初樹木的最小/最大深度，用於不同複製操作的百分比等）。設置這些參數的常規做法是什麼？人們使用哪些論文/網站作爲優秀指南？

Answer 1

你會發現，這在很大程度上取決於你的問題域 - 特別是適應度函數的性質，您的實現DSL等

一些個人體驗：

• 大的人口規模似乎上班時 更好，當你有一個嘈雜的健身功能 功能，我想這是因爲增長 在人口連續世代行爲 給予更多的取樣 的適應度函數。我通常使用 100來獲得較少的噪音/確定性功能，對於較大的噪音，我使用了1000+ 。
• 對於幾代人來說，最好衡量 健身功能的改進，並在 達到您的目標標準時停止。我通常跑幾百代，看看會出現什麼樣的答案，如果它沒有改善，那麼你可能在其他地方有一個問題。
• 樹深度要求真的取決於您的DSL。有時我會嘗試做一個 執行沒有明確的 限制，但懲罰或消除 程序運行時間過長（這可能是 你真正關心的事情...）。我還發現總節點數約爲1000是非常有用的硬限制。
• 不同突變/重組算子的百分比似乎不是 重要。只要 你有一個全面的突變，任何合理平衡的 分佈通常會工作。我認爲其原因在於你基本上是在尋求有利的改進，所以主要目標是確保試驗改進在各種可能性中都能合理地分配。

Answer 2

看看Koza的voluminous tomes關於這些事情。

Answer 3

當我開始研究遺傳算法時，我有同樣的問題。

我希望能在一個很簡單的問題，並給出鏈接運營商和參數值（如突變率等），在人口規模等

一旦我開始進入的函數給出結果收集數據variating參數遺傳算法多一點我然後意識到，鑑於變量的數量巨大這是一個巨大的任務，泛化是非常困難的。

從我的（有限的）經驗談起，如果您決定簡化問題並使用固定的方式來實現交叉，選擇，以及玩羣體大小和突變率（以一種給定的方式實現）試圖出現有了一般結果，你很快就會意識到，太多的變量仍在發揮作用，因爲在一天結束的時候，統計後你會得到一個體面的結果（無論你想要定義的方式體面的）的世代的數量仍然顯然取決於在你正在解決的問題上，因此基因組的大小（以不同的方式表示相同的問題在給定的GA參數的效果方面顯然會導致不同的結果！）。

確實有可能起草一套準則 - 正如（罕見但是很好的）文獻所證明的那樣 - 但只有當手頭的問題能夠準確編碼時，您才能夠以統計學的方式有效地推廣結果同樣的方式，並以某種相當的方式評估健身狀況（這通常意味着你在處理非常類似的問題）。

Answer 4

爲什麼不嘗試使用遺傳算法爲您優化這些參數？ :)

在計算機科學的任何問題，可以 解決了 間接另一層（除了間接太多 層。）

-David J.惠勒

Answer 5

即使在GP社區內也存在非常不同的思想流派 - 有些人認爲（低）成千上萬的人羣是足夠的，而Koza和其他人通常認爲不值得y開始GP運行，GP人口中不到一百萬人;-)

如前所述，它取決於您的個人品味和經驗，資源和可能使用的GP系統！

乾杯， 揚