1
제가 100 파운드를 가지고 있다고 가정 해 봅시다. 10 마리의 새끼를 만들어야합니까? 나는 신속하게 수렴을 이루기 위해 popsize와 후손 사이의 최상의 조합을 원하며 종이를 함께 제출하십시오.우리는 유전자 알고리즘에서 얼마나 많은 자손을 생산해야합니까?
A
답변
2
유전자 알고리즘으로 해결할 수있는 모든 문제에 대해 최상의 자손/개체군이 존재하지 않습니다. 모든 문제는 자손/개체군뿐만 아니라 돌연변이 기회, 염색체 디자인 등등 알 수없는 최상의 구성을 가지고 있습니다 ...
그렇다면 전체 치환, 부분 치환 등과 같은 여러 솔루션이 있습니다. 자신의 장점과 단점이 있습니다. 당신은 그들을 탐구하고 당신의 문제에 가장 적합한 것을 결정해야합니다.
1
-suppose N GA의 인구 통계입니다. (T < N)
Tournament chrom # 0 = "01010110101" | Fitness = f0
Tournament chrom # 1 = "11010010111" | Fitness = f1
Tournament chrom # 2 = "01010111011" | Fitness = f2
Tournament chrom # 3 = "01111010100" | Fitness = f3
.
.
.
Tournament chrom # T = "01011010110" | Fitness = fT
간단하게 얻을 수있는 동료 :
chrom # 0 = "01010110101" | Fitness = f0
chrom # 1 = "11010010111" | Fitness = f1
chrom # 2 = "01010111011" | Fitness = f2
chrom # 3 = "01111010100" | Fitness = f3
.
.
.
chrom # N = "01011010110" | Fitness = fN
- 당신은 크기 T와 주요 인구에서 무작위로 염색체의 대회를 적용 염색체 :
Mate Chromosome # 1
다른 토너먼트3210 : 당신이 반환하는 크로스 오버를 적용
Mate Chromosome # 2
자손 : 기술적으로 당신의 새로운 인구 N 자손을 얻을 것이라고 의미
Crossover(Mate Chromosome # 1, Mate Chromosome # 2) => offspring
.
Mutation(offspring) => new chromosome for new population
대상 염색체의 최대 크기로 수렴 할 때까지 반복을 계속하십시오.
귀하의 질문에 대한 명확한 답변이 없습니다. GA는 공식적인 분석을 어렵게 만드는 많은 접근법과 매개 변수가있는 경험적 방법입니다. 죄송합니다. – Ray
그런 종류의 골동품에 대한 주요 영감의 근원을 생각해 보면 몇 가지에서부터 수천 가지에 이르는 다양한 전략이 다양하다는 것을 알게 될 것입니다. – flq