r - 遗传算法中的处理约束 : implementing the death penalty

Question

我想将“死刑方法”与遗传算法文献中提出的其他惩罚方法进行比较。

我用的是R软件，所以需要写这些惩罚方法的代码。我发现了很多困难，因为我不了解关于死刑函数的一件事:我必须如何处理不可行的后代，因为人口规模通常在遗传算法中是固定的？

我的意思是，我明白，为了适本地使用死刑，我必须用所有可行的解决方案来初始化遗传算法。但即使我在第一代种群 (t=0) 中拥有所有可行的解决方案，我也可能在下一代拥有不可行的解决方案，因为交叉和突变是“盲”算子。

那么，既然死刑拒绝了所有不可行的解决方案，那么会发生什么呢？下一代的种群数量是否会更小(原始尺寸 - 不可行解的数量)，或者我必须选择更多的 parent 放入交配池进行繁殖，直到下一代由“原始尺寸”可行的后代组成，或者我必须重新尝试遗传算子，直到t+1中的所有个体都可行吗？

Answer 1

我不知道 R，但死刑理论意味着你应该产生更多的后代。

我会生成以下伪代码(转换为 R):

n=<desired_population_size>;
while (n>0) {
   generate n offspring;
   eliminate the non feasible ones
   add the feasible ones to the new generation
   n=<desired population size> - <current new generation population size>
}

这个循环的唯一问题是它可能永远持续下去的风险(如果我们永远不会生成可行的解决方案)。尽管它很小，但如果您想保护自己免受它的影响，您可以使用一个简单的计数器来限制 while 循环中允许的迭代次数。

有一个pretty interesting article Michalewicz 对此进行了讨论。看看。