采用浮点数编码的遗传算法的问题

　　最近学习了一下遗传算法，于是参考了一篇论文，采用浮点数编码写了一个算法，运行了一下，发布收敛很慢，遗传了几百代与几十代相比，只是略显稳定，随机性比较强。而且容易限入局部极值中。例如，我以求函数xsin(10PI*x)+2.0为例，最大值大约在x=1.85附近，在x=1.65附近有一个局部极值。我写的算法大约70%的机会取得1.85附近的值，30%机会取得1.65附近的值。总之效果不理想。不知有没有朋友有兴趣帮我看一下。

　　初始化种群

         public  List < PopUnit >  InitPop()
        {
             if  (CalculateFitnessHanler  ==   null )
                 throw   new  Exception( " 未设置计算表达式的事件CalculateHanler " );
             if  (m_Parameters.PopSize <= 10 )
                 throw   new  Exception( " 种群数太小 " );

            List < PopUnit >  pool  =   new  List < PopUnit > ();
             
             for  ( int  i  =   0 ; i  <=  m_Parameters.PopSize - 1 ; i ++ )
            {
                 double  d  =  m_Random.NextDouble();
                d  =  m_Parameters.L  +  (m_Parameters.R  -  m_Parameters.L)  *  d;
                 double  val =  CalculateFitnessHanler( new   double [] { d });
                PopUnit unit  =   new  PopUnit(d, val);
                pool.Add(unit);
            }
             return  pool;
        }

　　选择操作

public  List < PopUnit >  Select(List < PopUnit >  data)
        {
             int  dropoutCount  =  ( int )(m_Parameters.DropoutRate  *  data.Count);

            List < PopUnit >  newpool  =   new  List < PopUnit > ();
             for  ( int  i  =   0 ; i  <=  dropoutCount  -   1 ; i ++ )
            {
                newpool.Add(data[i].Clone()  as  PopUnit);
                newpool.Add(data[i].Clone()  as  PopUnit);
            }
             int  tmpCount  =  data.Count  -  newpool.Count;
             for  ( int  i  =  dropoutCount; i  <=  dropoutCount  +  tmpCount  -   1 ; i ++ )
            {
                newpool.Add(data[i].Clone()  as  PopUnit);
            }
             return  newpool;
        }

　　交叉操作：

 

public   void  CrossOver( double  a, double  b, out   double  a1, out   double  b1)
        {
             if  (m_Random.NextDouble()  >  m_Parameters.CrossOverRate)
            {
                a1  =  a;
                b1  =  b;
                 return ;
            }
             

             double  r  =   0.1 ;
             double  a2  =  m_Random.NextDouble()  *  r;
             double  b2  =  m_Random.NextDouble()  *  r;

            a1  =  ( 1   -  a2)  *  a  +  b2  *  b;
            b1  =  ( 1   -  b2)  *  b  +  a2  *  a;
           
            
             if  (a1  <  m_Parameters.L)
                a1  =  m_Parameters.L;
             if  (b1  <  m_Parameters.L)
                b1  =  m_Parameters.L;
             if  (a1  >  m_Parameters.R)
                a1  =  m_Parameters.R;
             if  (b1  >  m_Parameters.R)
                b1  =  m_Parameters.R;
             // Console.WriteLine("crossover a1={0},b1={1}  ->  a2={2},b2={3}", a, b, a1, b1); 
        }

　　变异操作：

 

public   double  Mutation( double  c)
        {
             double  tmpd  =  m_Random.NextDouble();
             if  (tmpd  >  m_Parameters.MutateRate)
            {
                 return  c;
            }
                        
             double  k  =   0.2 ;
             // k = (m_Parameters.MaxGenerations-T)/ (m_Parameters.MaxGenerations + 2D) * 0.4D;
             double  res;
             if  (m_Random.Next( 2 )  ==   1 )
            {
                res  =  c  +  k  *  (m_Parameters.R  -  c)  * m_Random.NextDouble();
            }
             else
            {
                res  =  c  -  k  *  (c  -  m_Parameters.L)  * m_Random.NextDouble();
            }
             // Console.WriteLine("mutation: {0} -> {1}", c, res); 

             return  res;
        }

 种群大小=100，交叉概率=0.7，变异概率=0.1