遗传算法，如果交叉率低，是否需要精英主义？答案

【问题标题】：Genetic algorithm, is elitism necessary if crossover is low?遗传算法，如果交叉率低，是否需要精英主义？
【发布时间】：2013-07-26 19:41:07
【问题描述】：

我想知道 GA 的跨界阶段。据我了解，0.7 => 70% 发生交叉的机会是一个典型的开始值。如果你父母的选择过程是基于返回的特定染色体的适应度，那么最适染色体很有可能通过并且没有经历交叉，那么精英主义真的有必要吗？

我还需要应用过滤器来去除每一代的重复染色体吗？

【问题讨论】：

【解决方案1】：

即使交叉率很高，并且选择更高的染色体进行交叉的选择过程也总是有机会（无论多么小），你会从一代到下一代失去最好的染色体。精英主义意味着一旦找到了好的结果，它就会一直留在人群中，直到找到更好的结果。

无论失去最佳结果的可能性有多大，使用安全防护以确保它永远不会发生总是一个好主意。

关于去除重复染色体，这不是必需的，但它通常可以确保种群不会变得陈旧并且不会填充相同的染色体。通常，我应用一个函数，它不会在每一代而是在给定的代数之后删除重复的染色体。这主要是为了提高算法的整体速度，但如果需要，可以在每一代都实施。

随着突变率的提高，删除重复项也变得不太必要，因为突变本身会阻止种群被所有相同的染色体填充。就个人而言，我更喜欢同时应用重复删除和突变，尽管它们有效地执行相同的任务。以我的经验，虽然遗传算法的多样性总是好的，所以对同一任务使用不同的函数通常可以产生更好的结果。

【讨论】：

非常感谢您的洞察力，非常感谢:)。
您不需要精英主义来记住迄今为止最好的解决方案。您可以只使用一个变量来存储此信息并且不用于交配。如果适应度和解空间中的最优距离之间存在很强的相关性，精英主义就很有用。
精英主义不是必需的，但是如果你存储了迄今为止找到的最佳解决方案，并且不确保它能够继续用于交配，那么它改进的机会就会更小。遗传算法的重点是不断改进解决方案。到目前为止，没有使用你最好的解决方案似乎适得其反。
在一个非常动态的环境中，最佳解决方案一直在变化，精英主义会降低收敛性。它是否改进了 GA 很大程度上取决于用例。精英主义的使用只是算法的众多参数之一，您需要测试哪些参数适合您的用例。
确实如此。我想我的回答基于我自己与 GA 的工作略有偏差，精英主义几乎总能提高收敛性。抱歉，如果我说精英主义是必要的。与大多数 GA 运营商一样，它可能是高度情境化的。