遗传算法 - 求解具有硬粗和软列约束的矩阵

Question

我正在编写一个 GP，我需要一些关于交叉和变异操作的建议。 GP 正在尝试为具有硬行约束和较软列约束的矩阵找到最佳解决方案。

对于总体中的给定解决方案，行包含来自固定集合的对象类型 ID 的随机组合。 GP 正试图找到一个解决方案，其中在布置行之后，如果您计算每列中的 id，则每种类型的数量必须在该 id 的推荐范围内。我编写了一个适应度函数，它允许我对解决方案与列约束的接近程度进行评分 - 100% 是所有列都符合规范。

我需要一点建议的地方是关于我的跨界车。父母是从具有较高健康分数的解决方案中选择的。我有一个单点交叉，我从父亲的顶部切割一些行和从母亲的互补的底部行来产生后代。我不能按列切片，因为这几乎总是会使解决方案不可行。

这种方法对于交叉来说是否合理？我担心没有足够好的遗传“材料”代代相传，最终无法实现。对于突变，我只是计划重新随机化一两行并检查解决方案的新适应度分数。

感谢您在我缓慢前进的过程中提供的任何建议。

Answer 1

在任何遗传算法中，应选择适合于解决方案编码的交叉方法。如果以特定方式穿越会使许多后代无法生存，那么您不应该那样穿越它们。但是，跨行听起来确实会妨碍您彻底探索搜索空间。

您可以使用多种方法来解决此问题：

1. 最初使用“课程”适应度函数，它不会像 VSOverflow 所建议的那样严厉惩罚无效的解决方案。文献中也不乏此类方法 - 例如，请参阅 Punch (1996)。
2. 将您的种群分成几个初始亚种群，除非偶尔，否则不要让它们相互作用。这将减慢行的收敛速度，从而减少有希望的行被随机机会杀死。
3. 如果更细粒度的选择甚至可以交换单个单元格（以受控方式，以便之后结果仍然有效），那可能是个好主意。