我正在实施一种遗传算法来优化以最小化我的模型和实验数据之间
在重组的选择阶段,我希望使用适应度比例选择来选择“染色体”进行育种。这意味着每个染色体的选择概率与某个适应度函数成正比。显然,应该较大,对于不良拟合应该较小,这是 RMSD 函数的逆行为。
所以我的问题是:从的标准方法是什么?
一个明显的解决方案是但我担心如果足够小,那么可能会很大,这可能会损害遗传多样性。
我正在实施一种遗传算法来优化以最小化我的模型和实验数据之间
在重组的选择阶段,我希望使用适应度比例选择来选择“染色体”进行育种。这意味着每个染色体的选择概率与某个适应度函数成正比。显然,应该较大,对于不良拟合应该较小,这是 RMSD 函数的逆行为。
所以我的问题是:从的标准方法是什么?
一个明显的解决方案是但我担心如果足够小,那么可能会很大,这可能会损害遗传多样性。
我通常的回答是“不要使用健身比例选择”。但是,如果您想使用它,则必须进入调整事物的世界才能获得所需的选择压力水平。您可以代替,对k的某些特定问题的值。这会在一定程度上扩大规模。您可以对这些值应用一些非线性比例,以使离群值更接近中位数。我敢肯定,您可以想出一些方法来解决一些没有理论基础的临时操作,这些操作或多或少会起作用。
但基本上,这是轮盘选择的“特征”。如果您不想要此功能(而且您通常不想要),请使用其他功能。这就是几十年前 GA 研究人员所做的——发明了没有这种行为的方法。锦标赛选择可能是最流行和最简单的绕过它的方法。但是您也可以使用基于排名的方法(基本上,按适应度排序,然后根据排名而不是原始值进行轮盘赌选择)。可能其他人我也忘记了。但实际上,只需实施二元锦标赛选择,您就会更高兴。