几个月前我做了一个遗传算法，但结果却是在解决任何问题的一周 . 我最初的目标是在游戏应用程序中使用遗传算法
现在我正在重新创建整个事物，并尝试从另一个角度来看待视图 .
现在我要定义下一代设置的步骤 .
我的最后一个想法是：
-
从当前一代获取最高评分的基因并在下一代复制它们（数量由精英主义设定）
-
取两个随机基因并交叉它们（被挑选的机会与基因等级相关），我制作了几种交叉方法（一点，两点，三父，平均，均匀...）
-
使用上述方法用基因填充新一代
-
对基因应用一些突变（被选择的机会由突变率设定）并且它将仅改变DNA的一部分（排除最高等级的基因）
事实证明这是非常低效的（我不知道为什么），并且由于交叉过程多次遍历所有基因，因此计算要求非常高 .
现在我正在考虑一种新的方法 .
基本上我的目标是保持基因并去除“坏”基因，并用交叉基因填充基因库 .
在一个拥有1.000个人的基因库中，我会：
-
丢弃排名最低的500 .
-
复制最高评分（10％精英，100分）
-
使用交叉生成400个新基因 .
-
应用突变
我太过于字面意思地采用了“几代人”的概念并使它们全部死亡（期待评分最高的那些），现在我将让所有人都活下去，期待那些坏人 . 并根据需要重新填充 .
我错过了什么吗？这种新方法会更好吗？
1 回答
垂直基因转移（传统的世代概念）有一种替代方法，即水平基因转移（见this paper） . 通过水平基因转移，种群大小在整个模拟过程中保持不变 .
此外，当你繁殖基因型时（无论你选择哪种方法），你绝对不应该只保留最适合的候选人 . 如果您这样做，您找到的解决方案很可能是local optimum . 每个基因型都应该有机会进入下一代，最适合的机会更多（参见this answer关于线性等级选择） .