为遗传算法使用一个或多个随机数生成器？答案

【问题标题】：Use one or multiple random number generators for genetic algorithms?为遗传算法使用一个或多个随机数生成器？
【发布时间】：2014-11-15 17:24:41
【问题描述】：

我正在使用 Java 编程语言实现遗传算法。如您所知，算法中有一些随机事件，如轮盘选择、交叉、突变等。为了在这些事件之间生成更好的概率分布，哪种方法应该更好，使用唯一的 Random 对象或创建一个单独的每个事件的随机对象？

【问题讨论】：

【解决方案1】：

使用单个对象。随机数生成器被设计成有很长的周期——使用相同的种子实例，你会得到一个很好的随机数字序列。如果您不断地创建和销毁它们，那么您只会在播种过程中获得多少随机性，甚至可能没有。想象一下，如果您的 RNG 是从系统时钟播种的，并且您每秒执行数千次，会发生什么情况。

【讨论】：

【解决方案2】：

使用全局存储的单个 Random，并在需要随机性的任何地方引用它。此外，使用已知种子对其进行初始化，并将该种子连同遗传算法的结果一起写入文件。

除了 deong 提到的好处之外，如果您发现一些有趣的输出，这可以让您准确地重新运行整个程序。遗传算法看到一个有趣的结果然后无法重现它可能会非常令人沮丧，因为这是一个罕见的结果。如果你有种子，你可以确定地重新运行程序。

如果您希望每次运行都使用一个新种子，您可以这样做：

long seed = new Random().nextLong();
log("Seed for the current run is: " + seed);
Global.setRandom(new Random(seed));

这样您每次都会获得一个新的随机种子，但如果需要，您仍然可以重建给定的运行。

请注意，Random 对象不应在两个不同的运行之间共享。在每次运行开始时，您应该创建一个新的随机对象并记下种子。

【讨论】：

但是，如果您需要（出于某种原因）多次运行算法并且希望它并行运行（每次独立运行但同时运行多次），则每次运行都需要单独的 RNG .但是对于单次运行的 GA，单次 RNG 是最好的选择。
@Gandalv 实际上，我应该澄清一下。每次运行都应该有它自己的新鲜 Random 对象。如果您在运行之间共享对象，则它们不再具有确定性。