在遗传算法中使用值编码方法时如何交叉父母？答案

【问题标题】：How to crossover the parents when using a value encoding method in genetic algorithm?在遗传算法中使用值编码方法时如何交叉父母？
【发布时间】：2016-05-04 08:06:33
【问题描述】：

在遗传算法中有一个阶段，我们应该选择将染色体从父母传给后代。

通过二进制形式很容易做到。

但是如果我们使用值编码对染色体进行编码该怎么办？

假设我染色体中的一位是 DOUBLE 类型的值，比如说 0.99，它的范围是 (0-1)，因为它代表一个概率。

如何交叉这个 DOUBLE 数字？

转换为二进制以交叉然后再转换回来...？

【问题讨论】：

概率是指每个染色体的等位基因总和必须为 1？或者你的意思是每个等位基因都有自己的概率？如果是后者，您可能只需进行单点交叉...
@DMlash 您好，感谢您的回复，每个等位基因都有自己的概率。如何对双类型值进行单点交叉？我知道如何针对二进制值执行此操作..
我想这取决于您要解决的问题以及首先这样做是否有意义。如果它确实有意义，那么正如您所说，每条染色体都是长度为 n 的实值等位基因的向量。然后你在 [1,n] 的范围内绘制一个均匀的随机值；我们将此值称为 S。对于每个父母，您将等位基因保持在 floor(S) 位置（即，如果值为 5.333，那么您将元素保持在位置 1、2、3、4、5）并将上限（S）处的值交叉到 n 个位置（即 6、7、8、...、n）。
听起来像是学校的问题：看看这个stackoverflow.com/questions/36827961/…

标签： encoding machine-learning genetic-algorithm crossover

【解决方案1】：

您可以使用 混合交叉运算符（α = 0 的变体）：

p1    first parent
p2    second parent
u     random number in [0, 1]

offspring = (1 - u) * p1 + u * p2

假设p1 < p2，这个交叉算子在[p1, p2]范围内创建一个随机解。

混合交叉算子有一个有趣的特性，即如果父母之间的差异很小，则子解决方案和父解决方案之间的差异也很小。因此，当前人口的传播决定了解决方案在最终人口中的传播（这是adaptation 的一种形式）。

Kalyanmoy Deb 和 Hans-Georg Beyer 在Self-Adaptive Genetic Algorithms with Simulated Binary Crossover 中描述了混合交叉算子 (BLX-α) 和另一个著名算子（模拟二元交叉）的更高级版本（简短摘要here）。

Differential Evolution 是另一种可能性。

【讨论】：

感谢您的回答，尤其是参考文章！