遺傳算法：輪盤選擇

Question

我試圖實現輪盤選擇。我發現了一些僞代碼，但是我已經實現了它，但是有一些我不瞭解0健身的基因組。

我發現psudocode是這樣

for each genome in population: 
    totalFitness = totalFitness + genome.fitness 

x = random(0, totalFitness) 

currentCount = 0 

for each genome in population: 
    currentCount = currentCount + genome.fitness 
    if currentCount >= x: 
     parent = genome 
     break 

我關心的是以下幾點：說我有5個基因組，其得分如下健身

G1 = 11 
G2 = 0 
G3 = 0 
G4 = 0 
G5 = 0 

基於上述算法，想必只有G1上可能會被選中，這會殺死基因多樣性......我有理解這個權利嗎？

Answer 1

是的，你理解正確。如果你想有更好的多樣性，你應該給予個人不完全的信任，當他們不是很好時，不要只是零。

一個簡單的方法來實現這個是通過計數個人的錯誤，然後讓健身1 /（1 +錯誤）。但只是找到一種方法，讓你的個人一些點將解決你的問題。

您可能還想研究縮放適應值。現在選擇的機會與健身成正比。

Answer 2

您已理解正確。正如上面的答案所述，改變適應度函數使得0不可能是一個好的解決方案。一般來說，對於這類問題，輪盤選擇並不是最佳選擇。

如果您使用的是遺傳算法，其中某些羣體的得分爲0，但您仍然希望將它們包含在選擇過程中，則應考慮使用不同的選擇方法。基於等級的輪盤賭選擇方法會更好地適應問題。它不僅可以爲每一個基因組提供選擇的可能性，而且還可以阻止離羣值控制輪盤。

與遺傳算法的大多數實現一樣，您的選擇受到問題的嚴重影響。有時候你想要一個適應度爲0的基因組從人羣中挑選出來，然後你就可以像上面那樣使用輪盤賭選擇。