(μ,λ) 进化策略算法中的重现处理如何？

Question

在(μ,λ)自适应型进化策略算法中，在我的实现中，过程是：

1. 我有 μ 个个体，并从这些群体中产生 λ 个后代
2. 在 λ 个个体中，对突变强度进行突变，然后对候选解进行突变。突变后，评估所有 λ 个个体的适应度。
3. 选择：将所有λ个个体按适应度排序，选出最好的μ个个体作为下一代种群。如果未达到标准，请返回 1。

在 1. 中，我从 μ 个个体生成后代。当我看到论文时

http://www.cs.bham.ac.uk/~pxt/NIL/es.pdf

http://ieeexplore.ieee.org/document/5596676/

如果似乎我可以通过从 μ 个体克隆并创造后代来获得后代。

但是我怎么能详细地做到这一点呢？我是否应该只克隆具有常数的 μ 个体，并通过 λ = 比例 * μ 得到后代？

但是这样一来，在变异阶段，变异后我不会得到几个相同的结果吗？在选择阶段，我想我可能会以相同的适应度值获得相同的个体。

我怎样才能准确地创建 λ 后代？

Answer 1

我应该只克隆具有常数的μ个体，并通过λ=比例*μ得到后代吗？

是的，从比例 == 2 开始。你会得到几个相似的个体。 确保只复制 n 个最佳 (n < μ / (3 * proportion)) 个人。因为你将不得不忘记/摧毁 n 个最糟糕的人。

在变异阶段，变异后我不会得到几个相同的结果吗？

也许您的错误在于克隆步骤。您必须制作完整副本，而不仅仅是克隆；每个位的真实副本，而不仅仅是指针的副本。请注意，许多 clone 函数不会复制内部引用的对象。 这里的clone这个词，只是与生物学的比较。

如果您的个人是整数数组，那么您应该有一个整数数组。然后克隆索引i的个体到索引j的另一个个体中，必须以类似的方式完成：

for(k = 0; k < individuals[i].length; k++)
    individuals[j][k] = individuals[i][k];

算法的第二步将迫使个体以随机方式进化。因此，如果一个组合由多个个体编码，那么它将有更大的进化机会。因此，个人不得共享记忆，以确保多样性占上风。

ieee文件打不开，需要付费。

我怎样才能准确地创建 λ 后代？

sort individuals by fitness from best to worst.
for( i = 0 ; i < n ; i++) // **n** best
     copy data of individuals[i] into individuals[individuals.length-i] // replace a worst one, by the copy of a good one.

这一步应该在常量内存中完成。 没有释放（删除），没有分配（新）。