统计优化遗传算法选择算子

Question

我熟悉遗传算法的选择方法，如随机通用抽样，轮盘赌，锦标赛等。但是，我意识到这些方法接近统计学中使用的随机抽样。我想知道是否存在基于群体中包含的个体的某些特征而接近统计聚类的实现方法，而不必在进行该样本之前首先检查所有个体的特定特征。基本上我想减少其他抽样方法的随机性，同时保持每个人口的足够多样性。

Answer 1

对于遗传算法，请查找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，并在非常密集的地区替换解决方案。这在多目标优化中特别有用，其中“解决方案”是非主导个体的群体。

如果您不进行多目标优化，并且您不需要在整个运行期间保持多样化的人口，那么您也可以使用Offspring Selection Genetic Algorithm (OSGA)。它将儿童与其父母进行比较，如果他们的父母在质量上超过父母，则只考虑他们。这已经shown到a）即使在无偏的随机父选择的情况下工作也是如此; b）保持多样性直到搜索的最后阶段，此时人口会收敛到单一解。

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其行为。该软件是GPL并在Windows上运行。