C 遗传算法使用哪种编码？

我想用C编写一个遗传算法，用于优化10个变量（x1到x10）的函数。但是，我无法确定应该使用哪种编码。我在示例中主要看到使用二进制编码，但我的示例中的变量可以取实际值。另外，对于这些类型的问题，值编码是一个很好的选择吗

当两个非常接近最优的答案组合起来会使其他答案非常接近最优时，最好使用遗传算法。纯二进制编码的问题在于，如果不检查交叉，最终会得到两个答案，而这两个答案可能与原始答案没有多大关系

也就是说，只有当变量的数量非常少，并且变量中的数据量很大时，这才是真正的问题。至于选择一种编码，与其说是一门科学，不如说是一门艺术，这取决于你的问题。我建议使用适合您所需精度的编码。有了10个变量，无论您如何编码，都不会错得太多，8位ASCII编码器可能可以正常工作

---

希望有帮助。

对于实值问题，我建议尝试CMA-ES或其他ES变体。CMA-ES无疑是实值问题的最新技术。它的目的是在多维问题中快速找到好的解决方案。上有可用的实现。在这项工作中，还有一个C#实现。进化策略是专为实值优化问题设计的算法。它们与遗传算法非常相似（两者都是在同一时间发明的，但在不同的地方）。主要区别在于，对于ES而言，主要驱动因素是突变，并且它具有对突变强度的巧妙适应。没有这种自适应，就无法及时定位（局部）最优。CMA-ES易于配置，它只需要初始标准偏差和可选的总体规模（否则，有一个公式可以在给定问题规模的情况下对此进行估计）

当然，遗传算法也可以应用，但你必须使用一些特定的算子，这些算子只能以很小的程度变异变量。例如，穆伦宾的育种家遗传算法。但一般来说，遗传算法更适合于需要正确组合的问题。例如，背包问题中应包含哪些项目，或将哪些函数和终端组合到公式中（遗传编程）。如果你需要为某件事找到合适的价值，那么问题就少了。当然，虽然有遗传算法的变体可以解决这些问题，但请寻找实数编码遗传算法（RCGA或RGA）

另一种适用于实值问题的算法是粒子群优化算法，但在我看来它更难配置。我从2011年的标准PSO开始

---

如果您的问题包含整数变量，那么选择将变得更加困难。当变量是离散变量时，进化策略的性能并不好，因为整数变量的适应方案是不同的。遗传算法再次成为一种有趣的首选算法。

感谢您提供的详细答案！！