直觉上我认为，如果我想找到“最佳”参数集，我可以简单地从许多孩子的子集中选出表现最好的一个人，让那个人产生 100 个与他相似的孩子，挑选表现最好的并重复。专门挑选最好的 2 和杂交品种的目的是什么？就此而言，为什么不选择 3、4 或 10 个父母（“狂欢衍生”受精卵）来创造每一代孩子呢？
【问题讨论】：
标签： genetic-algorithm evolutionary-algorithm genetic-programming
“来自许多孩子的子集” - 这些孩子是如何产生的，什么机制使它们彼此不同？ “产生 100 个与自己相似的孩子”——如果不完全像自己，那么是什么机制使他们相似但又不完全相同？
有性生殖是回答这些问题的一种机制。通过有性繁殖，你创造了新的组合，由适合个体的基因组成。仅仅使用随机突变作为创造多样性和新组合的机制就是它所说的 - 随机 - 黑暗中的一枪。有性繁殖利用成功个体的基因创造出新的组合，这不是随机的。
质疑有性与无性哪个更好，这是一个很好的问题，关于有性与无性这个话题的文章很多，但并非所有文章都支持有性。有成功的无性机制，尽管我不确定您在问题中提出的替代方案是否在其中。
【讨论】：
这样想：你表现最好的人可能在 10 个领域中的 3 个领域中表现优于平均水平。他（他的无性繁殖的孩子）的微小变化可能会在以下方面具有优势相同的 3 个区域：可能是 4 个，也可能是 2 个，具体取决于突变。但是表现最好的男人和表现最好的女孩在 10 个方面可能有 5 个方面更好（他在 3 个方面优于平均水平，她在 3 个方面优于平均水平，也许他们重叠的地方有 1 个），所以如果他们有很多孩子，其中一个可能在 5 个方面优于平均水平（也许其中一个可能没有继承任何优势——比如休息时间）。如果那个 5 区优势的孩子与另一个 5 区优势的孩子交配，那么虽然重叠优势的机会更大，但仍有很大的机会（在我们的“10 基因”世界中）孩子会有更多的优势基因）。
它是复杂环境中几个特征的重组，这才是遗传算法的核心。这并不直观，因为我们通常不认为一次转动控制面板上的每个旋钮是优化的好方法，但是如果您有很多参数并且它们非常独立，则可以。
【讨论】：
您拥有的父母越少，您就越有可能在很长一段时间内陷入局部最优 - 可能是一个不太好的局部最优。只有一个父母，剩下的唯一搜索机制就是个体突变。
您拥有的父母越多，您就越不可能捕捉到最初导致他们被选中进行繁殖的原始父母的任何事情。细节将取决于你的 n 元交叉是如何工作的，但直观地说，你拥有的父母越多，你从任何一个特定父母那里获得的遗传物质就越少，孩子继承的可能性就越小（因此改进）他们父母的任何有益的多染色体特征。
这与模式定理有关。
【讨论】：
从技术上讲，您可以在您的人群中拥有源自狂欢的受精卵，但没有数学证明（至少据我所知）它们可以改善多样性或您的算法发现的最终结果。此外，狂欢运营商（用你的术语）比简单的双亲类型更复杂，不容易被学生理解。因此，它们没有被宣传（并不意味着它们不被允许）。
实际上，您可以在 GA 中混合使用单亲和双亲。正如一个答案已经指出的那样，单父元素等效于本地搜索，从技术上讲，您将实现模因算法，这通常是对简单 GA 的改进。
【讨论】：