Artificial intelligence 在比赛选择中选择父母

我正在写一个GA，我不确定在选择父对象时，我是想在我的总体中循环找到每个使用锦标赛选择的父对象，还是想找到两个使用锦标赛选择的父对象

---

这是哪一个？

我不太清楚你所建议的备选方案之间的区别是什么，但通常情况下，它的工作方式是随机选择两个个体，保留最好的一个，然后成为家长1。然后你再随机挑选两个个体，保留最好的一个，它就变成了双亲。然后，这两个父母重组产生后代，进入儿童群体。重复以上步骤直到你有足够的后代

因此，您可以使用如下循环生成一个子总体。（您可以为每组父对象生成多个子对象…调整循环边界以适合您的情况）

---

谢谢这是否意味着有时你会跨越相同的父母？另外值得一提的是，锦标赛规模不必限制在两个以内。你可以随意选择任意多个亲本，然后找到最合适的。如果你将一个亲本与自己杂交，你显然会得到一个原始亲本的克隆，以及一些典型的突变机会。我想这是一种判断，但我不会，因为如果你有一个或两个成员比所有其他成员都更健康，那么你可以很快地消除你的多样性。而且我通常会保留一代人中最优秀的一个或两个成员进行克隆。除了我的预约之外，我不希望这种事情发生在偶然之间。传统上，你不必担心。它发生的概率很低，你就让它发生吧。然而，通过某种形式的乱伦预防，你有时可以得到更好的结果（值得指出的是，你现在花费了一些搜索努力寻找重复的，所以这实际上可能也会伤害你）。看一看CHC遗传算法，它是一个非常聪明的结合防止乱伦的方法。不幸的是，我不认为Eshelman的原始论文是数字形式的，但你可以在网上找到算法的描述。@Novak你所描述的通常被称为精英主义（保证1到N个最好的个体被传播到下一代）。

for i = 1 to N 
    pick individual t1 at random from parent population
    pick individual t2 at random from parent population
    parent1 = winner(t1, t2)

    pick individual t1 at random from parent population
    pick individual t2 at random from parent population
    parent2 = winner(t1, t2)

    generate offspring from parent1, parent2
    mutate offspring
    evaluate offspring
    add offspring to child population
end for