クロスオーバー確率の例を挙げられる人はいますか? 交叉確率を決定する利点と、遺伝的アルゴリズムまたは遺伝的プログラミングに与える影響を知りたいです。
3909 次
2 に答える
5
クロスオーバー確率には、定義上利点はありません。これは、遺伝的アルゴリズムの動作を調整できるパラメーターにすぎません。交叉確率を下げると、より多くの個体がそのまま次世代に引き継がれます。これは、特定の問題を解決するときにプラスの効果がある場合とない場合があります。TSP に遺伝的アルゴリズムを適用して、HeuristicLabで小さな実験を作成しました。遺伝的アルゴリズムは、TSPLIB の小さなインスタンス (bays29) で確率ごとに 10 回繰り返されました。下の画像でわかるように、パターンを認識するのはかなり困難です。アルゴリズムと実験もアップしました、HeuristicLab でこれらのファイルを開いて実験することができます。この実験には、実行ごとの品質チャートと詳細な分析が含まれているため、必要に応じて収束動作を確認できます。
また、選択した戦略が単純すぎて効果を発揮できなかった可能性もあります。実験では、交叉の影響を受けなかった親も適応度比例選択によって選択されました。したがって、質の高い個人は、人口を非常に速く支配します。別の戦略として、適合度比例選択によって交差した親のみを選択し、残りの親をランダムに選択することができます。結果はここで見ることができます (アルゴリズムと実験);
独自の変更を加えて、結果を試すことができます。
関連する回答は次のとおりです。遺伝的アルゴリズムまたは遺伝的プログラミングにおける交差確率と突然変異確率とは何ですか?
于 2012-05-28T12:57:37.720 に答える
3
あなたが何を求めているのか正確にはわかりません。クロスオーバー確率は、クロスオーバー演算子を適用する確率です。[0.0、1.0]の範囲の実数は一例です。
最適な設定も1つではありません。これは、多数の要因と、アルゴリズムの他の設定との複雑な相互関係に依存します。たとえば、世代別GAがある場合、親が変更されずに存続できる可能性がある程度ある必要があります。そうしないと、優れたソリューションを失う可能性があります。したがって、クロスオーバー率を0.7などのやや低い値に設定できます。一方、CHCのようなアルゴリズムは非常にエリート主義的です。つまり、見つけた最良のソリューションを常に保持するため、クロスオーバーを使用してより広範囲に検索するインセンティブが高くなり、確率が1.0に設定されます。他のアルゴリズムは完全に突然変異に依存し、クロスオーバー率を0.0に設定します。遺伝的アルゴリズムの最も一般的な値はかなり高く、おそらく0.8から1.0です。遺伝的プログラミングは非常に頻繁に低い値を使用する傾向があり、おそらく0程度です。
しかし、これはすべての点を超えています。いくつかの目標をサポートするアルゴリズムを設計する必要があります。クロスオーバーを実行する頻度を把握することは、何らかの理由で決定する必要があります。既成の遺伝的アルゴリズムを使用してランダムなパラメータをそこにダンプするだけの場合、それほどうまく機能しない可能性があります。
于 2012-05-28T10:24:01.207 に答える