TSP를 해결하는 유전 알고리즘에 대해 순서가 지정된 크로스 오버를 구현했습니다.정렬 된 크로스 오버를 사용할 때 돌연변이가 필요합니까?
그러나 돌연변이가 활성화되지 않은 상태에서 내 알고리즘의 프리폼이 더 우수하다는 것을 알았습니다.이 문제는 순서가 지정된 크로스 오버가 일부 올바른 유전 정보를 혼합하여 약간 "변형 된"솔루션을 생성하는 방법 때문이라고 생각합니다.
그러나 나는 이것이 잘못된 것처럼 느낍니까? 순서가 지정된 교차를 사용할 때 돌연변이를 제거 할 수 있습니까?
TSP의 돌연변이는 서로 다른 형태를 가질 수 있으며, 서로 다른 방식으로 순서가 지정된 크로스 오버 연산자와 상호 작용합니다.
TSP에 돌연변이의 다른 유형을 이해하기 위해이 기사를 읽기 : 인포매티카 35 (2011) 513-518 - http://www.informatica.si/PDF/35-4/19_Hasan%20-%20Evaluating%20the%20Effectiveness%20of%20Mutation%20Oper.pdf
도 주문 크로스 오버 여러 다른 구현을 가지고 있으며, 따라서 서로 다른 돌연변이 알고리즘과 다르게 상호 작용 : IJCOPI 권을 2, No 1 : January-April 2011 - http://ijcopi.org/ojs/index.php?journal=ijcopi&page=article&op=viewArticle&path[]=44
순서가 지정된 교차 연산자가 사용자의 돌연변이 연산자와 상호 작용하는 방식에 액세스하기가 어렵습니다.
희망이 도움이되었습니다.
내가 이것을한지 오래되었으므로 답변이 아니라 오히려 의견이 있습니다. 그러나 새로운 유전 정보를 도입하기 위해 돌연변이가 필요하지 않은가? 크로스 오버에 대해 기억하고있는 것이 맞다면, 원칙적으로 전체 문제 공간을 조사 할 수는 없으며 단지 일부분 만 조사 할 수는 있습니다. 오직 돌연변이가 전체 문제 공간을 탐색 할 수 있습니다. –
이미 1 세대에서 전체 문제 공간을 다룬 적이 없으면 @KonradRudolph는 정확합니다. 더 많은 공간을 검색하려면 돌연변이가 필요합니다. 그러나 크로스 오버를 통해 정말 좋은 솔루션을 발견 할 수 있다는 점에서 운이 좋을 수도 있습니다. – AndyG
예, 알고 있습니다. @ASantosRibeiro가 게시 한 논문 (http://ijcopi.org/ojs/index.php?journal=ijcopi&page=article&op=viewArticle&path[]=44)을 보면 무슨 뜻인지 알 수 있습니다. 순서가 정해진 교차는 전형적으로 부모 중 한 곳에서 발견되지 않는 염색체의 새로운 영역으로 유전 정보를 이동시킬 것이다. 그래서 돌연변이와 같은 역할을합니다. 그러나, 내가 주문한 크로스 오버를 사용하는 것을 보아온 모든 논문에서 이것은 논의되지 않았고, 여전히 결과가 나왔다고 생각해서 이상하게 보이는 돌연변이가 구현되었습니다. – user11406