统计优化遗传算法选择算子

Question

我熟悉随机通用抽样、轮盘赌、锦标赛等遗传算法的选择方法。但是，我意识到这些方法接近于统计学中使用的随机抽样。我想知道是否有基于人口中包含的个体的某些特征接近统计聚类的实现方法，而不必在进行样本之前首先检查所有个体的特定特征。本质上，我想减少其他抽样方法的随机性，同时在每个群体中保持足够的多样性。

Answer 1

一般遗传算法，找niching/crowding strategies。他们试图通过例如保护多样化的人口。保持独特或非常多样化的解决方案，并在人口非常密集的地区替换解决方案。这在“解决方案”是一群非支配个体的多目标优化中特别有用。

如果您不进行多目标优化并且您不需要在整个运行过程中保持多样化的人口，那么您也可以使用Offspring Selection Genetic Algorithm (OSGA)。它正在将孩子与其父母进行比较，并且只有在质量超过父母的情况下才会考虑将他们纳入下一个人口。这是shown a) 即使在无偏随机父选择的情况下也能工作，并且 b) 保持多样性直到搜索的很晚，此时种群收敛到一个单一的解决方案。

例如，您可以使用我们的软件HeuristicLab，尝试不同的遗传算法配置并分析它们的行为。该软件是 GPL 并在 Windows 上运行。