通过遗传算法进行二维形状优化

Question

我最近刚开始学习遗传算法，现在正尝试在物理模拟中的 2D 形状优化中实现它们。模拟为每个形状生成一个标量。 （我猜这有点类似于 boxcar2d http://boxcar2d.com/）

二维形状实际上是几个二维“子形状”的联合。每个子形状都存储为角度/半径列表。然后将 2D 形状存储为子形状列表的列表。这是我现在的染色体。

现在为了健身，我可能会使用模拟产生的标量。我的问题是，我应该如何进行选择和繁殖过程？锦标赛会更合适，还是我想将截断与比例选择结合使用？另外，你如何找到一个好的突变率/种群大小等

很抱歉有这么多问题，但在此先感谢。我真的不知道从哪里开始。

Answer 1

在我看来，最好的方法是在进化过程中使用自适应繁殖策略：在最初的步骤中（让我们将其命名为“计算的第一阶段”），您可以设置 高突变概率，在这个阶段你应该找到足够好的解决方案。在算法的“第二阶段”，您可以设置 每几步降低变异概率 - 在这个阶段，您应该改进您的解决方案。但有时在我的实践中，我注意到优化第二阶段期间种群的退化（当每个染色体与其他染色体非常相似时） - 这会影响优化性能的极端减慢，所以我的解决方案是改进具有高值变异随机扰动的算法，它会有所帮助。

我还建议您阅读差分进化算法 - http://en.wikipedia.org/wiki/Differential_evolution。对我来说，它的性能比遗传算法快得多。