在遗传算法中仅选择顶部x％作为选择

Question

我目前正在研究StringEvolver，我不确定可能在GAs中使用的特定术语。

在遗传算法中，精英主义是指直接晋升到下一代的人口子集;正确？

但是，是否有一个特定的术语，例如，当前人口的前75％用于选择，交叉和变异过程而不是整个人群？基本上，这个x％比率叫什么？

我的意思是，而不是使用整个人口的说，一个轮盘赌选择过程中，我只用了前x％（即只品种之间人口的最好的X％）

---

我问的原因是因为我注意到使用时显着的性能改进（更快的收敛），例如，用于选择，交叉和突变过程的前10-25％的人群用于推进代，而不是使用满人口。

Answer 1

一个天真的选择策略，你只需丢弃较弱的候选人有时被称为截断选择。对于许多问题，它会导致过早收敛，尽管我发现它适用于旅行推销员问题。

听起来像你有两阶段策略，首先使用截断选择来消除弱候选者，然后应用更复杂的策略（轮盘？）来完成选择。

与其完全消除弱候选人存活的可能性，选择允许调整该概率的选择策略可能会更好。例如，通过锦标赛选择，您可以调整阈值以确定弱候选人存活的可能性，而不是较强的候选人。

Answer 2

这听起来像你只是在谈论一个特定的选择方法。你可以通过扩展你的健身功能来做大致相同的事情，以提高速度而不是线性增加。

这就是说，我会提醒你不要每次都扔掉你的人口的底部。对于较小的遗传算法，这可以让您更快地收敛，但对于现实世界的问题，这往往会使您陷入局部最小化，从而降低解决方案的质量。

也就是说，有一个术语叫decimation。这是当你在交叉和变异之前抛出人口中最低的X％。这通常不是每一代都完成的。为了覆盖更大的搜索空间，并且在X世代之后进行抽取，通常会从难以控制的大群体开始，因为GA通常在前100个一代左右获得最大收益。然后，继续处理更小，更容易处理的人群。

希望这会有所帮助。

Answer 3

没有具体的条款来限制对前x％元素的选择，这只是实施选择策略时必须设置的因素之一。

在某些情况下，您可能会收敛速度更快，但限制x％的数字，但我建议尝试使用不同长度的字符串，并查看这会如何影响收敛。我之前完成了这个工作（参见this和this项目，都在发展中的字符串），如果您在选择个体时使基因池太小，卡住的可能性可能会随着字符串的长度而增加，原因是你严重影响多样性。