Q：初始化遺傳算法

Question

我有一個非常大的搜索空間的功能，所以我想用遺傳算法來獲得一些接近最佳值，然後使用其他方法如BFGS來找到最佳點。我用R來做到這一點。

問題是我的函數有12個參數，並且在多數點上都是無效的。當我給GA給出最大和最小參數值並且它試圖產生一個總體時，有時整個總體由NaN組成（因此算法不能繼續）。

因爲我對GAs瞭解不多，所以我正在努力尋找解決這個問題的辦法。我唯一想過的是選擇一個非常大的人口規模（類似於10e5），所以它可以找到一些有效的值開始。這不是一個很好的解決方案，因爲能夠用正常人羣初始化算法會更好。

你有什麼建議嗎？任何關於我缺少的遺傳算法？

謝謝

Answer 1

如果你的大多數參數空間中是無效的，那麼GA可能不是最好的辦法。風險在於，當你跨越算法時，你可能會得到一個無效的參數組合。

對此的另一種思考方式是GA是一種搜索算法。當它所嘗試的結果比它開始時好一點或差一點時，它效果最好;如果大多數嘗試都是無效的，那麼沒有太多的指導搜索。

我的建議是嘗試以不同的方式參數化問題，以便更多的點是有效的（儘管可能是低適應度）。你沒有描述函數，所以很難更具體，但有時可能接受一個「無效」輸入，只是量化它與「有效」距離有多遠。那麼這是你可以運行搜索的東西。

Answer 2

您可以使用FI-2Pop GA。 「這是FI-2Pop遺傳算法的優點之一，它可以用一個空的可行種羣進行初始化，並且最終找到可行的解決方案。」