交叉在遗传算法中的作用是什么？

Question

我并不完全熟悉所有术语，因此请原谅这部分的任何错误。我决定编写一个程序，使用进化 (?) 算法将随机字符串转换为目标字符串。

它工作正常，但我注意到一些我不明白的东西。如果我使用“无性”繁殖，即每个字符串克隆自身，然后以一定的概率发生变异，则解决方案的收敛速度要慢得多，有时根本不收敛，但会被困在说平均适合度约为 0.8。这对我来说没有意义，因为突变应该使它趋于最优，对吧？

但是，如果我改为使用交叉，例如我选择两个父母并进行字符的统一混合，然后像正常情况一样以一定的概率对孩子进行变异，收敛不仅实际上得到保证，而且速度也快数量级。我认为这不能仅仅通过孩子“变异更多”这一事实来解释，因为它的父母在上一代也发生了变异。

有人可以解释一下交叉的作用，以及为什么它可以在诸如此类的算法中实现更快的收敛吗？

Answer 1

交叉在遗传算法中的作用是将种群成员的有益突变传播给更多的种群成员。

关键是只有适合种群的成员相互交叉，从而将有益的突变传播给更多的种群成员，以使后代（/新成员）也可能受益来自父母的突变。因此，交叉会导致变异的传播，从而导致更高的适应度值在整个群体中传播 - 导致您观察到的更快收敛。

以玩跳跃和跑步视频游戏并使用遗传算法进行优化的神经网络为例。一位成员可能通过使他跳过障碍物的突变获得了较高的健康分数。另一个成员可能通过使他在地图上收集生命的突变获得了较高的适应度得分。与其他群体需要偶然学习这些提高适应度的突变本身相比，交叉适合的父母成员传播有益突变的速度更快。