Artificial intelligence 最佳选择方法

我正在研究一种遗传算法，它涉及一个排课问题，我有一个问题，那就是我应该选择哪种选择方法

我的问题是：

1）选择方法的选择如何影响遗传算法的性能？

2）最有效的选择方法是什么？

3）如果我尝试使用随机选择来逃避基于适应度的选择（因为我的任务需要时间），会发生什么情况？

提前感谢您。

1）您的适应度函数、变异/交叉算子和整个搜索空间紧密而微妙地相互关联。每个问题/选择方法都有自己的性能特点。所以，你的问题没有明确的答案。这仍然是一个悬而未决的研究问题

2） 不能说是因为1）。你必须亲自尝试、测量和观察

3） 正如ziggystar所建议的那样，可能是一次完全的随机行走，但这可能没问题。

1）你的适应度函数、变异/交叉算子和整个搜索空间紧密而微妙地联系在一起。每个问题/选择方法都有自己的性能特点。所以，你的问题没有明确的答案。这仍然是一个悬而未决的研究问题

2） 不能说是因为1）。你必须亲自尝试、测量和观察

---

3） 可能是ziggystar建议的完全随机游走，但这可能没问题。

在大多数情况下，我使用随机选择或二元竞赛，但我的种群模型是稳定状态的（如果比这一个更好，那么后代会取代最差的，所以我已经在那里进行了生存选择）

随机选择确保我不会有很快的收敛。如果我增加选择压力（例如q-tournal，q>2），我会得到一个非常快的收敛，这对困难的问题不好

Q-锦标赛也很容易实现：只需随机选择Q个人，其中最好的是选择的结果。如果q==1，则有随机选择

---

如果你在实现这一点上遇到困难，你可以看看我的实现：（我这样做是为了一种遗传编程的变体）。

在大多数情况下，我使用随机选择或二进制竞赛，但我的种群模型是稳态的（如果比这个更好的话，后代会取代最差的——因此我已经在那里进行了生存选择）

随机选择确保我不会有很快的收敛速度。如果我增加选择压力（例如q-Tornament，q>2），我会得到很快的收敛速度，这对困难的问题不好

Q-锦标赛也很容易实现：只需随机选择Q个个体，其中最好的就是选择的结果。如果Q==1，那么你有随机选择

---

如果你在实现这一点上遇到困难，你可以看看我的实现：（我这样做是为了遗传编程的一种变体）。

3）无方向随机行走3）无方向随机行走关于你的第三个答案，在这种情况下，它可以行吗？非常感谢你的回答。什么时候随意散步好？在遗传ALG中，人们谈论探索/解释张力。有时你需要开发，有时你需要探索。最好的探索方式是随机漫步。例如，大海捞针问题的最佳策略是随机游走。@Ray但如果你从未将杠杆转向剥削，你就不可能找到好的解决方案。而对遗传算法的探索只有在算法记住某些信息时才有用。这种能力受到人口规模的限制。在没有选择的情况下，您可以将此容量用于（更普遍的）不良配置和罕见的良好配置。所以我觉得你的探索能力很快就耗尽了。嘿@ziggy。我不想暗示人们应该总是使用随机行走。同样，这一切都取决于问题。我只是想说明，在某些（退化但并非不切实际的）情况下，随机行走是（令人惊讶的！）最好的策略。在这些情况下，内存、弹出大小和选择根本不重要。当调整GA时，记住这一点很有用。关于你的第三个答案，在哪种情况下可以？非常感谢你的回答。什么时候随意散步好？在遗传ALG中，人们谈论探索/解释张力。有时你需要开发，有时你需要探索。最好的探索方式是随机漫步。例如，大海捞针问题的最佳策略是随机游走。@Ray但如果你从未将杠杆转向剥削，你就不可能找到好的解决方案。而对遗传算法的探索只有在算法记住某些信息时才有用。这种能力受到人口规模的限制。在没有选择的情况下，您可以将此容量用于（更普遍的）不良配置和罕见的良好配置。所以我觉得你的探索能力很快就耗尽了。嘿@ziggy。我不想暗示人们应该总是使用随机行走。同样，这一切都取决于问题。我只是想说明，在某些（退化但并非不切实际的）情况下，随机行走是（令人惊讶的！）最好的策略。在这些情况下，内存、弹出大小和选择根本不重要。在调整GA时记住这一点很有用。你说：“如果我增加选择压力（例如q-Tornament，q>2），我会得到非常快的收敛，[[这对困难的问题不好]]1.我不太明白最后一句话，你能解释一下吗？首先谢谢你：什么是难题？难题是一个搜索空间很大，有很多局部最优解的问题。我们想找到的是全局最优解，而不是局部最优解。在遗传算法中，我们有一个