※ 引述《KJFC (KJFC)》之铭言： : 基因演算法收敛的时候 : 如果收敛在局部最佳解 : 那要怎麽跳脱比较好 : 我有试过调高突变率 : 但是效果不太好 : 在收敛前上下震荡 : 但是又不知道如何判断是否接近收敛 : 如果在收敛後才震荡 : 有时又会收敛回局部解 : 请问这个问题应该怎麽解决? 首先你要知道，这不是一个可以100%解决的问题，我们做的事顶多是「尝试」提 升它掉到最佳解的机会，可是这只是机率上的，运气不好或解的分布很奇特的话，会 掉到局部解就是会掉下去，没法完全避免。 回到你的问题，其实你的描述不太精确，你的说法意思是你过程中「曾经」碰到 那个最佳解，但是後来又跳走？既然如此你的评估函式看到它的话应该会把它留下来 才对呀？或者说是因为你的评估函式为了加速或某些特定原因所以并非100%准确，因 此最佳解不一定得到最高分，所以有可能放走？如果是这样，除了修正评估函式以外 ，顶多就是留下更多组让最佳解留下来的机会更大吧。 如果你的问题其实不是这样，而是跳来跳去都不会跳到最佳解，一直在局部解跳 ，那就是调高突变让它有机会跳出来跳到最佳解去，然後你可以尝试使用如模拟退火 （Simulated annealing）的方式慢慢把突变机率降下来，让它慢慢地不乱跳。但这 只是增加一些可能性而已，如你的描述，可能问题一开始就很容易落入局部解，不管 大跳多少次孔明都挖好洞，你只能像曹操一样每笑一次就逃一次，这样的情况也没什 麽办法。 以下引用中文wiki，你提到的也正在基因演算法的最大问题之中，而我讲的可能 解法在最後一行： 尽管遗传演算法有许多优点，也有许多专家学者对遗传演算法进行不断研究，但目前存 在的问题依然很多，如： (1)适应度值标定方式多种多样，没有一个简洁、通用的方法，不利於对遗传演算法的 使用。 (2)遗传演算法的早熟现象(即很快收敛到局部最优解而不是全局最优解)是迄今为止最 难处理的关键问题，但可考虑自适应跟踪成熟度[1]。 (3)快要接近最优解时在最优解附近左右摆动，收敛较慢。 遗传演算法通常需要解决以下问题，如确定编码方案，适应度函数标定，选择遗传操作 方式及相关控制参数，停止准则确定等。相应地，为改进简单遗传演算法的实际计算性 能，很多学者的改进工作也是分别从参数编码、初始群体设定、适应度函数标定、遗传 操作算子、控制参数的选择以及遗传演算法的结构等方面提出的。其基本途径概括起来 主要有下面几个方面： (1)改进遗传演算法的组成成分或使用技术，如选用优化控制参数、适合问题特性的编 码技术等。 (2)采用混合遗传演算法(Hybrid Genetic Alogrithm)，比如混用简单明了的粒子群演 算法[2]。 (3)采用动态自适应技术，在进化过程中调整演算法控制参数和编码精度，比如使用模 糊自适应法[1]。 (4)采用非标准的遗传操作算子。 (5)采用并行演算法。 几种常见的改进遗传演算法： (1)分层遗传演算法(Hierachic Genetic Alogrithm); (2)CHC演算法; (3)Messy遗传演算法; (4)自适应遗传演算法(Adaptive Genetic Alogrithm); (5)基於小生境技术的遗传演算法(Niched Genetic Alorithm); (6)并行遗传演算法(Parallel Genetic Algorithm); (7)混合遗传演算法: ①遗传演算法与最速下降法相结合的混合遗传演算法； ②遗传演算法与模拟退火法相结合的混合遗传演算法。 -- 「如果你没法给我个解释的话，死一万次也不能弥补你的过错！」 「我没办法死一万次赔你啊。」 「可是你有办法半死两万次，知道吗，嗯？」 －－莲．席斯塔 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.36.175.125 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Programming/M.1414862996.A.35A.html