使用遺傳算法中的複製和交叉創建新一代

Question

大家好我正在研究遺傳算法來創建新一代。我遇到了以下問題：

此問題涉及遺傳算法。假設你有一個由10個人組成的人口。每個人都由5位組成。這是最初的人口。

x1 = (1, 0, 0, 1, 1) 
x2 = (1, 1, 0, 0, 1) 
x3 = (1, 1, 0, 1, 1) 
x4 = (1, 1, 1, 1, 1) 
x5 = (0, 0, 0, 1, 1) 
x6 = (0, 0, 1, 1, 1) 
x7 = (0, 0, 0, 0, 1) 
x8 = (0, 0, 0, 0, 0) 
x9 = (1, 0, 1, 1, 1) 
x10 = (1, 0, 0, 1, 0) 

個人排名根據適應值（x1具有最大的適應值，x2次優等，等等）。假設在抽樣時，您按照排名順序獲取個人。假設以下情況，創建新一代解決方案：

複製爲20％。交叉是80％（假設交叉掩碼如下：11100;按照與排名相同的順序配對示例）。沒有突變完成。

我的解決方案：複製是20％，這意味着前兩個人口是不變的。下面給出的交叉口罩給予11100我隨機選擇3個字從交叉（11100）面具，所以從x3和x4開始，在這裏我保持前3單詞x3和x4相同，最後交換x3和x4的最後兩個剩餘單詞並生成新的羣體。我遵循x5和x6，x7和x8以及x9和x10的相同規則。我不確定這個答案是正確的還是錯誤的。任何機構都可以幫助我嗎？

Answer 1

我不知道你正在使用的實現的背景，所以我可能不是正確的，但從遺傳算法的角度來看，你的答案似乎大部分是正確的。

據我所見，你推理的唯一問題是交叉。複製發生後，您使用剩餘的染色體進行交叉。這從遺傳算法的角度來看似乎具有內在的缺陷。遺傳算法通常在交叉中使用最好的染色體。你已經保存了最好的，似乎然後排除他們從任何重組。這個想法違背了遺傳算法的思想，遺傳算法是通過適合個體的重組來發展種羣。至少應該包含最適合的染色體。

一般來說，大多數實現都包含選擇中的隨機性元素，而最適合的染色體賦予更多的權重。由於你的問題明確指出按照排序順序選擇對，因此沒有隨機性，我假設交叉是在染色體1至8上進行的。

你對交叉掩碼的理解在問題中似乎是正確的。

再一次，我對有關的實現一無所知，所以我不確定我的理解有多好。因爲遺傳算法看起來非常不尋常，所以我很想知道源代碼。