genetic-algorithm - 遗传算法结果展示

Question

我有一个使用遗传算法进行的实验的数据，并试图将其呈现在一篇论文中。表示遗传算法结果的好/经典方法是什么？我正在考虑做一个散点图来代表各代人中最适合的个体。这是结果的良好表示吗？

Answer 1

当您评估遗传算法(或任何其他随机算法)的性能时，您会多次运行它，然后汇总结果以消除某些运行“幸运”或“不幸”的影响。然后就是呈现这样的汇总结果。

对于单次运行(其中许多)，您通常只关心适应度中最好的个体(除非您正在分析种群动态，我认为您不这样做)，因为这是算法的输出在其运行期间的任何给定时间。

当每次运行都有这样的最佳个体时，您就可以展示结果。遗传算法的典型视觉表示是“进化图”或“进展图”(我个人使用第一个术语，其他研究人员也使用它)，它看起来像这样(来 self 的硕士论文):

我知道，这有点困惑。然而，实线是聚合运行的中位数。这意味着在 X 次评估中，对于每个算法，实线是特定算法每次运行中所有最佳个体的适应度中值(有时也使用平均值，但它不能抵抗异常值)。在我的例子中，误差线从第一四分位数延伸到第三四分位数(有时也使用标准差，但误差线关于实线对称，并且不像分位数那样显示分布)。

如果您对进化的进度不感兴趣而是对最终结果感兴趣，您可以使用例如箱线图可以正确显示算法最终值的分布。它看起来像这样(同样，来 self 的硕士论文，对应于上面的进化图):

这是在 MATLAB 中创建的。有一个用于创建箱线图的在线工具:http://boxplot.bio.ed.ac.uk

如果您只有一个算法要呈现，您还可以将演化图与箱线图结合起来 - 由箱线图组成的演化图!您只需每隔 N 次评估放置一个箱线图(N 取决于可读的图形大小)。四分位数误差条和中值实线是一种箱线图，以(扭曲的)方式。

最后一个选项是以文本形式(或在表格中)呈现一些统计测试支持的结果。为了比较两种算法(最终值​​)，您可以使用例如Mann-Whitney U-test 。比较两种以上的算法变得很棘手，您需要找到一位友好的统计学家来帮助您:)。