Java 均匀交叉比单点交叉效果差？

我已经为我的部分作业编写了一个统一的交叉算法，但它不能正常工作。事实上，它返回的结果比我的单点交叉更糟糕。我只想有人指出我哪里出了问题，这样我就可以解决它，请：）。我已经试了很久了，这是我最后的选择

    private void DoUniformCrossOver(int p1id,int p2id)
{
    ArrayList<Integer> p1 = population.get(p1id).GetRep();
    ArrayList<Integer> p2 = population.get(p2id).GetRep();
    ArrayList<Integer> c1 = new ArrayList<Integer>();
    ArrayList<Integer> c2 = new ArrayList<Integer>();

for (int i=0;i<nbits;++i)
{
    double selected = CS2004.UI(1,2);
    if (selected ==1)
    {
        c1.add(p1.get(i));
        c2.add(p2.get(i));
    }
    else
    {
        c1.add(p2.get(i));
        c2.add(p1.get(i));
    }
}

    population.add(new ScalesChrome(c1));
    population.add(new ScalesChrome(c2));
}

private void DoUniformCrossOver（intp1id，intp2id）
{
ArrayList p1=填充.get（p1id）.GetRep（）；
ArrayList p2=填充.get（p2id）.GetRep（）；
ArrayList c1=新的ArrayList（）；
ArrayList c2=新的ArrayList（）；
对于（int i=0；i（由于您没有回复我的评论，我将重复它作为答案）

如果要将双精度浮点数字与常数进行比较，则使用
int selected
可能会更好，或者如果需要使用双精度浮点数字，请尝试使用以下方法：

if (selected < 1.5)

if（选择<1.5）
首先，你在编码什么样的信息，你想进化什么

根据你试图解决的问题，某些交叉策略会阻止你找到好的解决方案

一个简单的例子：如果您正在寻找的解决方案具有固有的对称性（例如，白色/黑色细胞自动机多数分类器），单点交叉将永远不会给您带来很好的结果，因为它打破了遗传算法可能偶然发现的任何对称性（例如，在多数分类器的情况下，它将非常擅长分类黑色或白色，但不能两者兼而有之，因此它永远不会比给定的-相当低的-适合度更好）.
因此，您正在生成两个列表，其中包含来自第一个或第二个源列表的元素。算法似乎正是这样做的，我看不出它与它试图做的匹配有任何问题。因此，我想问题是您的算法。您试图完成什么，以及/或为什么在您的估计中，这表现不佳。+1你的问题清楚，准备充分。是的。它生成了两个列表（孩子c1和c2），它们是父母（p1和p2）的组合.一个孩子有50%的几率从父母1得到第一个基因，有50%的几率从父母2得到第一个基因…我被告知要实现这个算法，它比单点交叉更有效，但我的单点交叉表现出色，但这并不！！：-S！解释为什么它不那么出色？当你只修改有一项，你将有更好的机会实现你的目标，因为这具有更可预测的爬山特性，然而，单点交叉方法永远不会逃脱解域中的局部极大值，这就是上面的算法将做得更好的地方。谢谢@Pete.Well@MeBigFatGuy我创建了一个适应度函数，越接近对于1，适应度函数越好。单点交叉几乎每次返回1的值，而这一次返回13 25 39 3等。输出中生成的值要大得多！嘿@rsp，对不起，我不会忽略你，我直到现在才看到你的评论。我尝试了你所说的，但没有成功！我已经到了o的结尾我现在有一个实验室！我周二有一个实验室，所以到时候我会问别人的！非常感谢：）@Tamara，你添加调试日志是为了看看这个方法的结果是什么吗？你会得到父母的随机混合吗？（你总是创建镜像孩子这一事实可能会产生意想不到的结果？）你好，我不熟悉调试日志记录？抱歉，我已经为孩子c1和c2以及父母p1和p2做了打印输出，而且算法似乎以这种方式正常工作。我只是觉得它应该返回更好的适应度结果，但它不是=（。