我有人口X的GA .
在我运行基因并获得每个基因的结果后，我对基因进行了一些加权乘法（因此排名较高的基因得到的倍数最多）
我得到x * 2或x * 2（x * 100/10）基因 . 10％是随机新基因，它可能会或可能不会触发，具体取决于突变率 .
问题是，我不知道什么是将人口再次减少到X的最佳方法 .
如果基因是List我应该只使用list [:: 2]（或从列表中获取每个偶数索引项）
穿越基因时常见的做法是什么？
EDIT:
我的GA的例子，人口100;
-
在适应度函数中运行100个基因并获得结果 . 现有人口：100
-
添加10％的新随机基因 . 现有人口：110
-
重复前10％的基因 . 现有人口：121
-
删除10％最差的基因 . 现有人口：108
-
结合所有可能的基因（无重复） . 现有人口：5778
-
从基因库中移除基因直到人口= 100.当前人口：100
-
重启健身功能
我想知道的是：我该怎么做最后一步？目前我有一个包含5778个项目的列表，我每隔'58'取一个或表示为len（list）/ startpopulation-1
或者我应该使用random.delete'while True'直到len（list）== 100？
应该在交叉之前或之后添加新的随机基因？
有没有办法对顶级到最低级别的项目进行gausian倍增？
例如：最高等级乘以n，第二最好乘以（n-1），第三最好乘以（n-2）...，最差等级乘以（n-n） .
1 回答
我真的不知道为什么你这样表现GA，你能提供一些参考吗？
无论如何，这是我实现功能GA方法的典型解决方案：
在适应度函数中运行100个基因并获得结果 .
根据标准化适应度函数（考虑每个基因从池中选择的概率）和交叉随机选择2个基因 . 重复此步骤，直到您有90个新基因（本案例为45次） . 保存前5名，无需修改和复制 . 总基因：100 .
对于90个新基因和新池中的5个重复基因允许它们根据您的突变概率（通常为1％）进行突变 . 总基因：100 .
从1）到3）重复直到收敛或X次迭代 .
注意：您始终希望保持最佳基因不变，例如在每次迭代中始终获得更好的解决方案 .
祝好运！