遗传算法中的模式生存
Schemata survival in genetic algorithm
我在解决有关遗传算法中图式的练习时遇到了一些问题。假设我有以下情况，其中三个 parents {1101, 0101, 0001} 分别具有关于未知适应度函数的适应度 {0.7, 4.3, 3.5}。问题是：在最大化问题的情况下，哪种模式将具有最高的生存概率？我得到的可能答案是：{ ** 01}、{0 *** }、{***1} 和 {*101}。
提前致谢！
对于一般情况，模式定理指出 具有高于平均适应性、短定义长度和低阶的模式更有可能生存。
对于架构 H：
- 订单
o(H) = number of fixed bit（例如 o({01*0*}) = 3）
- 定义长度
δ(H) = distance between the first and the last fixed bits（例如δ({*0*10}) = 3）
- 一个基因不被改变的概率是
(1 - p)，其中p是变异概率。所以模式 H 在突变下存活的概率是 S(H) = (1-p) ^ o(H)
...但这不是一般情况。
每个人都匹配两个模式 {**01} 和 {***1}。
无论选择哪个父代进行交叉/复制（这些操作取决于适应度），子代都将匹配（至少在突变之前）两种模式（概率为 100%）。
假设突变是逐个基因应用的，为了使模式 H 存活下来，所有固定位必须保持不变。所以 {***1} 更有可能存活下来（顺序较低）。
我在解决有关遗传算法中图式的练习时遇到了一些问题。假设我有以下情况，其中三个 parents {1101, 0101, 0001} 分别具有关于未知适应度函数的适应度 {0.7, 4.3, 3.5}。问题是：在最大化问题的情况下，哪种模式将具有最高的生存概率？我得到的可能答案是：{ ** 01}、{0 *** }、{***1} 和 {*101}。
提前致谢！
对于一般情况，模式定理指出 具有高于平均适应性、短定义长度和低阶的模式更有可能生存。
对于架构 H：
- 订单
o(H) = number of fixed bit（例如o({01*0*}) = 3） - 定义长度
δ(H) = distance between the first and the last fixed bits（例如δ({*0*10}) = 3） - 一个基因不被改变的概率是
(1 - p)，其中p是变异概率。所以模式H在突变下存活的概率是S(H) = (1-p) ^ o(H)
...但这不是一般情况。
每个人都匹配两个模式 {**01} 和 {***1}。
无论选择哪个父代进行交叉/复制（这些操作取决于适应度），子代都将匹配（至少在突变之前）两种模式（概率为 100%）。
假设突变是逐个基因应用的，为了使模式 H 存活下来，所有固定位必须保持不变。所以 {***1} 更有可能存活下来（顺序较低）。