使用遗传算法中的复制和交叉创建新一代

Question

大家好，我正在研究遗传算法以创建新一代。我遇到了以下问题：

这个问题涉及遗传算法。假设您的人口由 10 个人组成。每个个体由 5 位组成。这是初始种群。

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)

根据适应度值对个人进行排名（x1 具有最大的适应度值，x2 次优，以此类推）。假设在抽样时，您以与排名相同的顺序获得个人。创建新一代解决方案，假设如下：

复制率为 20%。交叉是 80%（假设交叉掩码如下：11100；配对示例的顺序与排名相同）。没有进行任何突变。

我的解决方案：复制为 20%，这意味着前两个总体保持不变。接下来给定交叉掩码 11100 我从交叉（11100）掩码中随机选择 3 个单词，因此从 x3 和 x4 开始，这里我保留前 3 个单词x3 和 x4 相同，最后将剩余的最后两个单词交换为 x3 和 x4 并生成新的总体。我对 x5 和 x6、x7 和 x8 以及 x9 和 x10 遵循相同的规则。我不确定这个答案是正确还是错误。任何机构可以帮助我吗？

Answer 1

我不知道您使用的实现的背景，所以我可能不正确，但从遗传算法的角度来看，您的大部分答案似乎都是正确的。

据我所知，您的推理中唯一的问题是交叉。复制发生后，您使用剩余的染色体进行交叉。从遗传算法的角度来看，这似乎存在固有缺陷。遗传算法通常在交叉中使用最好的染色体。您已经保存了最好的，然后似乎将它们排除在任何重组之外。这个想法与遗传算法的想法背道而驰，遗传算法是通过最适个体的重组来进化种群。至少，应该包括最适合的染色体。

一般来说，大多数实现都涉及到选择的随机性元素，其中最适合的染色体被赋予更大的权重。由于您的问题明确指出，配对是按排名顺序选择的，因此没有随机性，我假设要在 1 到 8 号染色体上进行交叉。

从问题来看，您对交叉掩码的理解似乎是正确的。

再说一次，我对所讨论的实现一无所知，所以我不确定我的理解有多好。我很想知道来源，因为遗传算法似乎非常不寻常。