我已经阅读了很多教程和论文，并且我理解了遗传算法的概念，但是我在Matlab中实现这个问题时遇到了一些问题 .
总之，我有：
-
含有三个基因[a b c]的染色体，每个基因受到一些不同的限制 .
-
要评估目标函数以找到最佳解决方案
我做了什么：
-
生成a，b和c的随机值，比如说20个种群 . 即
[a1 b1 c1] [a2 b2 c2] ...... .. [a20 b20 c20] -
在每个解决方案中，我评估了目标函数，并将解决方案从最佳到最差排序 .
我遇到的困难：
-
现在，我们为什么要选择交叉和变异？我发现最好的解决方案还不够吗？
-
我知道做交叉的概念（生成随机数，概率......等），但是哪些父母和多少人将被选择做交叉或变异？
我应该为整个20个解决方案（父母）或只有两个解决方案进行交叉吗？
1 回答
通常，遗传算法用于找到具有巨大搜索空间的问题的良好解决方案，其中找到绝对解决方案是非常困难或不可能的 . 显然，我不知道你的 Value 范围，但由于你只有三个基因，很可能通过遗传算法（或更简单的搜索策略）找到一个好的解决方案，而不需要任何额外的算子 . 选择和交叉通常在人群中的所有染色体上进行（尽管从每一代向前传播一些最好的情况并不罕见） . 一般的想法是，更 Health 的染色体更容易被选择并相互交叉 .
突变通常用于阻止遗传算法过早地收敛于非最优解 . 您应该在没有突变的情况下分析结果，看看是否需要它 . 突变通常在每一代人的整个人群中进行，但概率非常小 . 给每个基因0.05％的机会它会发生变异并不少见 . 您通常希望提供一个很小的突变机会，而不会完全覆盖选择和交叉的结果 .
正如我所建议的那样，我会对遗传算法进行更为一般的背景阅读，以便更好地理解其概念 .