Algorithm 基于遗传算法的稀疏参数选择

我面临一个参数选择问题，我想用遗传算法（GA）解决这个问题。我应该在3000个可能的参数中选择不超过4个。使用二元染色体表示似乎是一种自然选择。评估功能将惩罚过多的“选定”属性，如果属性的数量可接受，则评估选择

问题是，在这些稀疏条件下，遗传算法很难改善种群。无论是平均健身成本，还是“最差”个体的健身水平，都不会随着世代而提高。我所看到的只是最佳个人得分的轻微（甚至微小）提高，我想这是随机抽样的结果

使用参数的索引对问题进行编码也不起作用。这很可能是因为染色体是定向的，而选择问题不是（即染色体[1,2,3,4]；[4,3,2,1]；[3,2,4,1]等是相同的）

你会建议什么问题

---

如果这很重要，我会使用。

我对PyEvolve不太熟悉，但从我对遗传算法的记忆来看，你需要考虑4个步骤

绒毛膜体评估（你可能已经弄清楚了）

染色体初始化

染色体交叉

染色体突变

我想你可以用列表来做这件事。您需要重载一些运算符，但看起来一件简单的事情是保留列表表示，只需在返回染色体之前对它们进行数字排序

我需要更多地了解你的问题，但这里是我的建议。因为参数的数量是可变的，所以需要对染色体中的参数数量给出某种概率分布。这里我假设1,2,3,4是一个均匀随机数，但是如果你更喜欢的话，你可以尝试其他的方法。我将把这个分布称为P\n

初始化。用（至少）3000条染色体为你的种群播种。把这些叫做c_1，…，c_3000。从P_n中画n_j。把j放入c_j。从剩余参数中选择具有均匀随机分布的剩余n_j-1参数

交叉。假设我们有两条染色体。C_1和C_2。我们将创建（并返回）染色体C_3。以1/2的概率从{n_1，n_2}中选择n_3。现在将C_1和C_2的参数放入一个列表中（并使它们唯一，因此，如果C_1和C_2都包含参数1，那么它只在列表中出现一次）。从关节列表中提取n_3参数并将其放入染色体C_3

突变。给定染色体C_1，从P_n中画出n_1*。如果n_1*小于n_1，则从C_1中随机删除元素，直到有n_1*个元素。如果n_1*=n_1，则从C_1中随机选择1个元素，并用从非C_1中随机选择的参数替换它。如果n_1*>n_1，则随机将元素添加到C_1，直到其大小为n_1*

---

现在，有很多方法可以做到这一点，所以请做对您的问题最有意义的事情。

我认为由于参数数量的限制，奇异值分解（）在这里可能更合适。

您需要更具体一些。模型选择（即您的参数选择问题）非常困难。你的第二和第三段告诉我，你认为你没有看到足够的混合（即参数空间的探索）。是这样吗？是的，这正是我认为的“从3000个中选择不超过4个”似乎不是遗传问题，你能解释一下你在做什么吗。请更正：“现在将C_1和C_3的参数放在一个列表中”到：现在将C_1和C_2的参数放在一个列表中（注意C_2而不是C_3）是的。你是不是通过这种方式对参数空间进行了很好的探索？谢谢你，莱夫。你的建议对我很有吸引力。这种方法被描述（出版）了吗这是我编造的，但肯定是基于类似的问题。你能联系我吗：lists\u borisgorelik.net