Java 用遗传算法求解幻方：人口分数收敛快，但永远达不到目标？

想更多地了解GA的愿望再次燃起，我决定从另一个方向开始：选择一个问题并尝试解决它，而不是阅读太多而无所事事

我选择了这个问题。 用于编码我正在使用的染色体，以及以下用于和的方法

我的文章有点奇怪，是根据互联网上的例子改编的

分数是根据行/列/对角线之和与魔法常数之差的平方来计算的

我注意到，它收敛得非常快，一旦达到1..7分（越少越好），就停止改进

我认为这是：它达到了一个局部最优，一个潜在的井，如果你可以这样称呼它，并且不会跳过附近的山，因为突变没有足够的不同？

我试着改变突变率5-80%，在染色体群体中留下10-20%的精英群体，从16-32条染色体改变群体大小，但没有成功

我做错了什么？我可以使用哪些改进来使总体得分收敛到零

如果需要，我可以发布完整的源代码，如果有人觉得它有用或想玩它

更新：以下是大小为5的立方体的收敛速度，交叉率为60%，变异率为10%：

---

对于这一点，没有硬性的答案，但我建议将你的精英主义减少到不超过5%，并增加你的人口规模。我不太明白getPermutation（）调用是如何选择潜在候选人的，但我也会随着人口规模的增加而增加锦标赛的规模（选择算法中的第8-16行）。如果你陷入局部最优，这意味着要么你的变异函数跳得不够远，要么你的种群没有足够的多样性

---

希望有帮助，祝你好运

在这种情况下，我使用了亚群体，效果很好。您基本上运行算法n次，并从每次运行中挑选最佳的个体。通过这些，您可以形成一个初始总体（而不是像通常的运行那样随机初始化），然后再次运行ga。最后一次跑步中的起始个体通常在不同的方面都是次优的，因为他们或多或少都有相同的适应度，所以当他们组合在一起时，他们倾向于将彼此从局部极小值中拉出来。在这里，使用精英主义也是一个好主意，这样就不会轻易失去已经进化的个体。

我还使用二进制编码处理幻方问题，遗传算法总是从定义搜索空间返回最佳解。我建议您考虑交叉和突变率以及基因组大小，因为这也会影响解决方案的正确性。保持突变率5%，交叉率80-90%，种群规模200，世代规模500-800。