Artificial intelligence 浮点遗传适应度函数

我一直在尝试让浮点适应度函数起作用，但生物体离目标序列越近，所需时间就越长

我尝试过几种方法，但在每一种方法中，交叉导致每个生物体的基因序列相同，但适合度仅为50%左右

---

计算-1.0和1.0之间的浮点序列值的好方法是什么？

过早收敛是进化计算的最大问题之一。我不确定你在使用什么样的选择方案，但这可能是你需要关注的地方

如果您没有使用基于锦标赛的选择，第一步就是尝试。一个简单的版本是：对于下一代种群的每个成员，从当前种群中选择X个生物体。只有最健康的人才能继续前进。重复此操作，直到下一个填充已满。如果你使用低X（2是最低的），你有一个弱的选择压力，这样进化需要更长的时间，但你可以保持更多的多样性

选择锦标赛的好处在于，适合度的大小并不重要，只有顺序，当你拥有几乎相等的人口时，这会有所帮助

假设这种第一选择机制不起作用，您需要使用一种积极保持多样性的机制。适应度共享往往是一种有效的选择——单个解决方案的适应度会根据存在的相同（或相似）生物体的数量进行修改。基本上，记下每种类型的解决方案有多少个，邻居有多少个，并使用一个简单的函数来修改基于此的适应度（可能每个相同副本-5%，每个邻居-1%…有很多选择）

还有许多更先进的技术，你可以尝试，但这些应该让你有一个漫长的道路