Graph 遗传算法在路径搜索中的应用——交叉与变异

我想用遗传算法在无向图中寻找最短路径。关于交叉和变异，我有两个问题。我一直在研究如何在类似的情况下进行交叉，最流行的算法似乎是PMX，我的理解是在两个父染色体之间交换部分路径以产生后代。我现在面临的问题是，几乎所有的后代都有很大的机会变得无效，不是吗？我想知道你是否能帮我确认这一点，如果我错了，请纠正我并解释一下

单独但相关的注释；我确实有办法做到这一点，但我不知道这是否是一个好主意，只需选择两个父节点，它们在路径中共享同一节点，然后在该点交叉，这样所有子节点都保持有效

我的第二个问题是突变；我对如何做到这一点有一个大致的想法；明智的做法是选择一个节点并将其删除，然后通过其他方式重新链接路径吗

---

谢谢：）

首先你研究的是交叉和变异，因为你说你可能会失去一些有效率的父母，但这是遗传算法中“精英主义”的概念。您应该通过建议的交叉方法来克服。因为在交叉本身，我们有n种方法要做，我建议你们做第二种变异交叉顺序。这不是墨菲定律，所以努力吧，你会成功的。

如果我可以问：你为什么要这样做？通过A*找到最佳路径非常快；即使你很受时间的限制，也有一种方法可以很快给出很好的，紧密有界的近似值。这个问题不需要遗传编程。