Matrix 用遗传算法进化矩阵

我最近发现了遗传算法，在做了一些研究之后，我找不到任何关于如何进化出比向量或字符串更复杂的结构的例子。 假设我正在使用协方差矩阵进行某种计算（例如计算马氏距离），我想寻找更好的矩阵来完成这项工作，并将某种标准线性化，有没有关于如何进化矩阵以及使用哪些交叉算子的经典例子

---

谢谢

任何由数字（或任何其他元素）构成的固定大小和形状的结构都可以重写为一维向量并返回。然后，您可以使用任何对向量起作用的运算符

如果你想直接使用矩阵（或任何其他结构），你可以设计自己的操作符，但是矩阵基本上是一个向量，只是用不同的方式写的。对于矩阵情况，有许多可能的运算符（交叉）：

• 交换行/列（在父级之间）
• 交换子矩阵（上述的推广）
• 连续空间交叉方法，如BLX alpha、PCX、算术交叉。。。这些都是为向量设计的，但是你只需要把矩阵当作向量（其实没什么不同）

---

突变可能或多或少与向量相同，比如，你只需对元素（或其中一些元素）进行突变。

对称矩阵可以表示为向量（例如，通过矩阵的上三角部分逐行读取）。然后你可以使用标准的基于向量的表示法。你可以用因子形式表示协方差矩阵，例如下三角L的C=L*L'和进化L。这样你可以保证你的矩阵是对称的正（半）确定。你的矩阵的停止条件是什么？@Totem假设我在条件a中使用了mahlanobis距离，并且我有足够的数据来估计完整的cov矩阵。对于对应于不同条件B的一组新向量，我想调整我的旧协方差矩阵，使其最小化所有B向量之间的距离。目标是将一组向量之间的距离提高到某个阈值（一种协方差矩阵的自适应，因此它可以用于来自不同设置的少量新数据（以克服没有足够的数据来构建与条件B相对应的全新cov矩阵的问题））也与遗传算法有关（但不同）是。我个人更喜欢连续空间中的随机数，并且倾向于在离散空间中使用GAs。你知道期望值的范围吗？或者它们的类型吗？如果是，你可以在范围中添加随机数（可能取决于位置），作为另一个交叉操作符（很好）@jan-Žegklitz的算法。@在我看来，图腾更像是一个变异。在交叉中，你将两个或多个解组合在一起。但典型的连续空间变异是添加一个从正态分布中提取的随机数。但也使用了你的运算符（添加一个数字或替换为一个数字）。