【发布时间】：2017-01-26 02:01:08
【问题描述】：
我的问题是，是否存在种群在所有迭代期间保持 i.i.d（独立同分布）的遗传优化算法。最常见的如 NSGA2 或 SPEA2 将当前人口与前一个人口混合，因此混合人口不再是独立同分布的。但是有没有算法在优化过程中人口分布发生变化但仍然保持独立同分布？
【问题讨论】：
-
为什么你希望它是同分布的，这不是有点扼杀算法的想法吗？我看到的唯一可能原因是逃避局部最大值
-
@Wald 你说的很对。问题是，我找到了一种非常快速的算法来找到近似的帕累托秩。该算法需要一组 iid 数据作为输入，但有时似乎也适用于非 iid 数据（我不知道为什么）。我的想法是在 NSGA2 中应用该算法，但结果远非正确。这就是为什么我一直在寻找 NSGA2 的一些修改，我可以在其中应用快速算法但没有成功。顺便说一句，您知道近似帕累托等级的知识可能有用的一些应用程序吗？
-
老实说，我对帕累托方法并不熟悉，但经过简短的查找后，如果您正在进行大规模的遗传世代，它们似乎很有用。例如，如果您有一个遗传算法为另一种内部遗传算法设置静态数据，因为它们需要相当长的时间，并且缩小外部算法的有用基因将是有用的。但另一方面，我很确定当您的数据分布不同时，帕累托排名不会真正准确。
-
@Wald 感谢您的努力。我认为群体中的解决方案彼此之间的相关性太强，以至于需要 i.i.d 样本才能工作的算法。嗯，有一些应用程序，比如异常检测，其中相互依赖的元素的百分比非常低。该算法似乎在那里工作，但没有数学证明
标签： optimization genetic-algorithm