適性関数と遺伝的アルゴリズムの選択

Question

私は、変数Aを最大化し、変数Bを最小化する非線形フィットネス関数を設計しようとしています。問題は、Aを最大化することがほとんど対数の1桁の値ではるかに重要であるということです。 Bは最小化する必要があり、Aとは対照的に、小さい（1より小さい）場合はそれほど重要でなく、より大きい（> 1）より重要な場合は指数関数的減衰となる。コスト

は、私はルーレット選択を使用できるように、正のすべてを維持するために目指すべきか、それが希望=

主な目標は、Aを最適化することですので、私はアナログ=利益、Bだと思いますシステムのランク/武道の種類を使用する方が良いですか？私のアルゴリズムの目的は形状最適化です。

おかげ

Answer 1

説明が非常にあいまいですが、あなたが実際に関数がどのように見えるかのアイデアを持っていると仮定して、あなただけの比例選択が簡単に使用することができるようにあなたがそれを変更する必要があるかどうか迷っています、いいえ。フィットネス機能に関係なく、おそらくトーナメント選択のようなものを使用するようにデフォルト設定する必要があります。選択圧をコントロールすることは、一貫して良い結果を得るために必要な最も重要なことの1つです。ルーレットホイールの選択では、その制御を許可していません。典型的には、非常に早い段階で大きな圧力がかかり、収束が早すぎます。それはほんの数例では好ましいかもしれませんが、私が調査を始める場所ではありません。

Answer 2

多目的問題を検討する際の目標は、パレート曲線上にあるすべてのソリューションを識別するために通常ある - パレート最適なセットを。 look here for a 2-dimensional visual exampleがあります。アルゴリズムが完了すると、他のソリューションによって支配されていない一連のソリューションが必要になります。 あなたはそのためのアカウントに両方の目的取るためのメカニズムランキングパレート定義する必要がある - 効果的にすべてを探索するために、深さのより詳細な説明だけでなく、さらに多くの読書へのリンク、これを考慮してgo here

、用をパレート・フロントに沿った解答早熟収束を促す実装を望んでいない場合、そうでなければアルゴリズムはパレート曲線の特定の領域の探索空間を探索するだけです。私は、各反復の最適な解のすべてのメンバー、つまり別の+によって支配されていないすべての解と、他の解のパラメーターで制御されたパーセンテージを加えた選択演算子を実装します。このようにして、Paretoカーブ全体に沿って探索を促します。

突然変異を確認して、クロスオーバー演算子も正しく調整する必要があります。 Evolutionary Algorithmsの斬新なアプリケーションでは、問題の一部が、問題のドメインに最適なパラメータセットを特定しようとしています...これは本当に興味深いところです！