NSGA II 遺伝的アルゴリズムを実装して、大学の時間割を作成しています。ソリューションのバリエーションに問題があります。
私のアルゴリズムは、初期化、突然変異、およびクロスオーバーのようにうまく機能しますが、最終世代の後、ソリューションを確認すると、それらはすべて同じです。たとえば、1 つの世代に 200 あり、そのうちの 64 は互いに同じであり、54 はそれぞれと同じです。その他など
私の質問は、これを引き起こしている可能性があるのは何ですか? そして、交叉と突然変異の最良の形態は何ですか?
また、世代サイズ、世代数、突然変異率、交差率の基準はありますか?
現時点では、次のように実行されます。
あなたのアルゴリズムに間違いはないと思います。これは GA のよく知られた問題です。さまざまなソリューションが必要な場合は、Niching メソッドを実装する必要があります。その考えは、あなたの人口の同様の個人を罰することです。個人の類似性に関するいくつかのヒューリスティックを見つけ出し、類似した個人を母集団から除外するか、個人の適合度を排除することができます。これにより、個体群の多様性が維持され、バリエーション オペレーターが同じ個体を選択して進化させることができなくなります。Samir W. Mahfoud の "Niching Methods for Genetic Algorithms" に目を通しておくと便利です。
この結果は必ずしも悪いものではありません。「近くに」他の実行可能なソリューションがないいくつかのソリューションに収束している可能性があります。あなたが収束している解決策は悪いですか？
私が気づいたことの1つは、クロスオーバーについて言及しているにもかかわらず、それを7つのステップの1つとしてリストしていないことです. 実際に突然変異だけを行っている場合、GA が局所的な最適値から抜け出すのがより困難になります。
GA は、最小セットの対立遺伝子 (ソリューション) を最適なものとして選択する点に収束するように機能します。まれに、数千世代のような長い時間をかけて、1 つの最適な解が得られる場合があります。
しかし、場合によっては、100 回などの最小実行回数で解が収束することがあります。
どの世代まで試したのかわかりません。1000 世代に渡って結果を比較することをお勧めします。また、まったく新しい一連のソリューションを見ることができるように、何世代か後にプロットが変わる可能性があります
異なる表現には、異なる交差と突然変異があります。使用している表現がわかり、結果が世代数に正比例している可能性があります