2012-12-27 52 views

回答

4

遗传算法使用随机抽样方法创建几代随机候选解决方案。对于许多类型的问题,遗传算法可能会“卡住”局部最优解,并且如果其他局部最优解(或全局最优解)太“远”,则交叉和变异等操作可能无法提供足够的变化来获取“un卡住“。如果你一直使用相同的参数获得不同的解决方案,那么你遇到了一个有价值的信息:或者(a)你的参数使你的人口过于同质(缺乏变化),阻止他们离开局部最优,或b)你的问题不适合遗传算法。

尝试将您的突变率提高到极限,为更多代人运行算法,而不是查看最终人群(因为它的化妆将变幻莫测,具有高突变率),请查看总生命周期“生活“的主要候选人。

但是,您的问题开始时有点令人费解。你在问,“哪一个是最好的答案?”那么,你一定已经定义了一个健身标准“杀死”最不适合的候选人,不是吗?简单地计算每个答案的适应度,看看哪个更适合。如果两个(或全部)答案同样适合,那么也许没有一个解决方案来解决您的问题!

0

我觉得我得到了一些在每次运行的答案我problem..the差异的解决方案是因为随机数generator..we可以通过控制这个随机数发生器

+0

获得相同的结果。 ..那么它不再是一个遗传算法。你首先必须理解你为什么要使用遗传算法。 –

相关问题