algorithm - 使用遗传算法选择稀疏参数

Question

我正面临一个参数选择问题，我想使用遗传算法 (GA) 来解决这个问题。我应该从 3000 个可能的参数中选择不超过 4 个参数。使用二元染色体表示似乎是一个自然的选择。评估函数惩罚过多的“选择”属性，如果属性的数量是可接受的，则评估选择。

问题在于，在这些稀疏条件下，GA 很难改善种群。平均适应度成本和“最差”个体的适应度都不会随着时间的推移而提高。我所看到的只是最佳个人得分的轻微(甚至很小)提高，我想这是随机抽样的结果。

使用参数索引对问题进行编码也不起作用。这很可能是因为染色体是定向的，而选择问题不是(即染色体 [1, 2, 3, 4]; [4, 3, 2, 1]; [3, 2, 4, 1]等相同)

你会建议什么问题表示？

P.S 如果这很重要，我使用 PyEvolve .

Answer 1

我对 PyEvolve 不熟悉，但根据我对遗传算法的内存，你关心的是 4 个步骤，

1. 染色体评估(您可能已经知道了)
2. 染色体初始化
3. 染色体交叉
4. 染色体突变

我认为您可以使用列表来做到这一点。您需要重载一些运算符，但它看起来像 PyEvolve lets you do this一个简单的事情是保留列表表示，只需在返回染色体之前按数字对它们进行排序。

我需要更多地了解您的问题，但这是我的建议。由于您有可变数量的参数，因此您需要为染色体中的参数数量提出某种概率分布。我在这里假设 1、2、3、4 是统一随机数，但如果您更喜欢，可以尝试其他方法。我将此分布称为 P_n。

1. 初始化。用(至少)3000 条染色体为您的种群播种。称这些为 c_1,...,c_3000。从 P_n 中提取 n_j。将 j 放入 c_j。从剩余参数中选择剩余的n_j - 1个均匀随机分布的参数。
2. 交叉。假设我们有两条染色体。 C_1 和 C_2。我们将创建(并返回)染色体 C_3。从 {n_1, n_2} 中选择 n_3，每个概率为 1/2。现在将 C_1 和 C_2 的参数放入一个列表中(并且使它们唯一，因此如果 C_1 和 C_2 都包含参数 1，则它只在列表中出现一次)。从联合列表中提取n_3个参数，放入染色体C_3。
3. 突变。给定染色体 C_1，从 P_n 中抽取 n_1*。如果 n_1* < n_1，则从 C_1 中随机删除元素，直到有 n_1* 个元素。如果 n_1* = n_1 从 C_1 中随机选择 1 个元素，并用从不在 C_1 中的元素中随机选择的参数替换它。如果 n_1* > n_1 向 C_1 随机添加元素，直到其大小为 n_1*。

现在，有很多方法可以解决这个问题，所以选择对您的问题最有意义的方法。