单目标遗传算法 精英保留策略

该文章引自:
https://www.cnblogs.com/devilmaycry812839668/p/6445762.html
http://www.cnhup.com/index.php/archives/elitist-preservation-in-genetic-algorithm/

正文

遗传算法(Genetic Algorithm)中的基因,并不一定真实地反映了待求解问题的本质,因此各个基因之间未必就相互独立,如果只是简单地进行杂交,很可能把较好的组合给破坏了,这样就没有达到累积较好基因的目的,反而把原本很好的基因给破坏了。精英保留策略可以避免最优个体不会因为杂交操作而被破坏。

“精英保留”(maintain the best solution found over time before selection)策略是De Jong针对遗传算法提出来的。对遗传算法来说,能否收敛到全局最优解是其首要问题。

Rudolph已经采用有限马尔可夫链理论证明了仅采用交叉、变异和选择(比例选择法)三个遗传算子的标准遗传算法(Canonical Genetic Algorithm CGA),不能收敛到全局最优值。

  • CGA不能全局收敛的原因主要有两个:
    • (1) 采用比例选择法,由于存在统计误差,依据产生的随机数进行选择,有可能会出现不正确地反映个体适应度的选择,可能导致适应度高的个体也被淘汰掉;
    • (2) 交叉、变异算子可能会破坏掉个体中所隐含的高阶(high-order)、长距(length)、高平均适应度模式(schema),可能导致当前群体中的最优个体在下一代群体中发生丢失,而且这种最优个体丢失现象会周而复始的出现在进化过程中。

为了防止当前群体的最优个体在下一代发生丢失,导致遗传算法不能收敛到全局最优解,De Jong在其博士论文中提出了 “精英选择(elitist selection or elitism)”策略,也称为“精英保留”(elitist preservation)策略。 该策略的思想是,把群体在进化过程中迄今出现的最好个体(称为精英个体elitist)不进行配对交叉而直接复制到下一代中。 这种选择操作又称为复制(copy)。

  • De Jong对精英选择方法作了如下定义:
    • 设到第t代时,群体中 a(t)为最优个体。又设A(t+1)为新一代群体,若A(t+1)中不存在比a(t)优的个体 ,则把a(t)加入到A(t+1)中作为A(t+1)的第n+1个个体,这里n为群体的大小。

    • 为了保持群体的规模不变,如果精英个体被加入到新一代群体中,则可以将新一代群体中适应度值最小的个体淘汰掉。

(注解:一种做法,将精英个体放入到种群中,即种群规模为 N+1。 一种做法,保持种群规模,即将精英个体替换掉种群做的最差个体。)

精英个体是种群进化到当前为止遗传算法搜索到的适应度值最高的个体,它具有最好的基因结构和优良特性。采用精英保留的优点是,遗传算法在进化过程中,迄今出现的最优个体不会被选择、交叉和变异操作所丢失和破坏。精英保留策略对改进标准遗传算法的全局收敛能力产生了重大作用,Rudolph已经从理论上证明了 具有精英保留的标准遗传算法是全局收敛的。

当然精英保留策略同样可以应用于别的智能算法中

  • 另一种说法
    • 与精英保留策略相近的一个概念 就是 精英选择,其中不同的地方是 需要判断 当前最优个体 是否优于 历史最优个体, 在不优于历史最优个体的情况下才进行替换。
    • 精英选择是遗传算法中的一种选择算子, 采用轮盘赌的为简单遗传算法,采用精英选择的为 精英遗传算法,e-GA 。
遗传算法是一种仿生学算法,灵感来源于自然选择和进化理论。精英保留遗传算法中的一种策略,它的目的是保留每一代中表现最好的个体,以确保优秀的基因能够在进化过程中得以保留。 在遗传算法的演化过程中,通过不断的选择、交叉和变异操作,生成下一代的个体群体。而精英保留则是指选择出每一代中性能最好的一部分个体,并将其直接复制到下一代,以确保优秀的个体能够继续参与进化过程。 精英保留的主要目的是避免进化过程中的信息丢失,确保优秀的个体能够在后续的演化中发挥作用。如果不进行精英保留,每一代的优秀个体可能会在交叉和变异过程中被替代或丧失,进而导致搜索空间的削弱和优化效果的下降。 在遗传算法中,精英保留可以灵活地设置,具体的选择策略可以根据问题的特点和优化目标进行调整。一般来说,精英保留的个体数量不宜过多,以避免早熟收敛或陷入局部最优解。同时,精英保留也要结合选择、交叉和变异等演化操作进行综合考虑,以实现全局搜索和优化效果的平衡。 总结而言,遗传算法精英保留是一种保留优秀个体的策略,可以有效提升算法的优化效果。通过合理设置精英保留的个体数量和选择策略,可以在演化过程中保留优秀的基因,提高算法的搜索空间和优化结果,从而实现更好的问题求解和优化目标达成。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值