matlab - 遗传算法选择方法在几代后停留在局部最小值

Question

我正在尝试为 GA 编写代码以最小化系统的成本，问题是该解决方案收敛于局部最小值并陷入其中，因此我无法再改进我的解决方案。

可能是我的选择方法导致了这里的问题，这就是我所拥有的:

%----------------------------selection (fittest half) ----------------

probability=ones(1,population/2);
[,IX]=sort(cost(1:population))
dd=sum(1:population);
probability(1:(population/2))=[1:population/2];
probability=fliplr(probability)/dd;


Indexx=IX(1:population/2);

然后我使用 Indexx 进行交叉等，有人可以提出解决方案吗？

Answer 1

通常，优化求解算法收敛到局部最小值。为了摆脱遗传算法中的这个局部最小值，您可以使用突变。突变适用于一代人的某些个体。通常，突变会很糟糕，使结果更糟，它们不会被选择用于下一代，但有时，突变会导致个体接近不同(有时更好)的局部最小值。突变率越高，搜索的“空间”就越多，找到全局最小值的机会就越大。不过有一个问题；如果变异率太高，算法将不再收敛。

我希望这对您的问题有所帮助。