人口中有多少人到 select？ （遗传算法）
How many individuals to select from population? (Genetic Algorithm)
我已经开始实现我自己的遗传算法，我正处于决定如何select parents 新一代的阶段。我读过一些书，似乎有很多不同的方法可以解决这个问题。
我知道各种 select离子技术（锦标赛、轮盘赌），但我似乎无法找到的信息恰好是 多少 parents 应该 selected。
我要处理的初始人口规模将在 50-75 人之间。我在想也许 select 下一代人口的一半，所以每一代人口都会减少一半，但不确定这是否是最好的选择。
任何建议都很好。
我没有使用遗传算法的经验，但阅读 [Wikipedia 页面] (https://en.m.wikipedia.org/wiki/Genetic_algorithm) 我可以看出每次迭代的总体规模通常应该相同。那里提到的终止条件包括固定的迭代次数和一代中最佳解决方案（个体）的适应度的最小值。从理论上讲，您应该能够继续迭代，生成更多代，直到满足终止条件。
考虑到这种理解，您现在可以计算需要多少parent才能生成新一代。请注意，您正在使用遗传运算符 selecting parents 到 generate 新的一代（通常交叉和突变以及它们的组合）。您不使用 selected 个体本身作为新一代，因为这不会导致解决方案的进化。因此，要计算所需的 parent 数量，您需要决定使用多少 parent 来生成一个 child（"classic" 方法为 2，但它不是必需的）。通常，您不会使用同一组（一对）parent 来创建多个 child。但我猜测（因为它没有在 wiki 页面中提到）你会在几个不同的组（夫妇）中使用特定的 parent 来创建不同的 children。对于每个 child 创建的 parent 也可能没有恒定数量（例如，对于突变，您只能对一个 child 使用一个 parent）。
假设您为每个 child 使用了 2 个 parent，您没有多次使用同一对，而是在多个对中使用每个 parent产生多个children。要使人口规模达到 y，您需要 select x parents，以便 (x choose 2) = (x!)/(2!(x-2)!) = (x•(x-1)/2) = (1/2)(x^2 - x) 大于或等于 y。将 y 替换为您所需的人口规模并求解 x.
我注意到的另一件事是，他们在维基页面中写道，通常选择的人口规模为数百或数千，因此您选择的 50-75 规模似乎很小。
每一代循环包括选择N个parents（你觉得合适，最好的数取决于问题。2是通常的），将它们交叉，变异children（只有 % 的机会），并用它们代替一些人口（保持人口规模是一种常见的做法）。你问的是最后一个。
一个简单的策略是在每一代循环中替换整个种群。另一个只替代 N 个最差的个体。其他可能是 N 个随机个体...
作为硕士学位学习的一部分，我学习了遗传算法课程。
正如@et_l 正确所说的那样，每次迭代的总体规模通常应该相同，因此你希望每一代的解决方案越来越少是没有意义的（将人口减少一半说）。 50-75岁的人口也很少。我建议在你的人群中至少有 100 个解决方案。
多少 parent 到 select 完全取决于您。您可以 select 整个人口，或只有少数。 parent 的数量通常只会影响您的总体收敛到单个解决方案的速度。一般来说，你 select 的 parent 越少，收敛的速度就越快。
现在假设（例如）您选择 100 个人口中的前 10 个解决方案作为您下一代的 parents。您杀死了其他 90 个人口并保持前 10 名。（请注意，您杀死的数量也有所不同，这并不总是需要成为未进入顶部的人口的一部分并成为 parent.)
接下来，您结合 10 个 parent 来创建新的解决方案。组合的方式有很多种。在这一步，重要的是让你的种群恢复到你的种群的初始大小，即 100。你可以选择在你的新一代中保留你的 10 parents，或者杀死它们并拥有一个种群完全由 100 children 和 10 parent 组成，而不是 10 parent + 90 children.
可选地，您现在还可以对新种群进行一些变异以获得更广泛的解决方案。您是否这样做完全取决于您，我建议您对此进行试验，看看这可能会产生什么样的效果。如果您选择包括突变，通常只有一小部分人口会发生突变。
你终于有了新的人口，如果你愿意，你可以开始另一个迭代。继续进行迭代，直到您在总体中获得满意的解决方案。
我希望我已经讲清楚了有很多方法可以实现遗传算法，并且需要进行一些实验才能找出最适合您的特定问题的实现方式。
我已经开始实现我自己的遗传算法，我正处于决定如何select parents 新一代的阶段。我读过一些书，似乎有很多不同的方法可以解决这个问题。
我知道各种 select离子技术（锦标赛、轮盘赌），但我似乎无法找到的信息恰好是 多少 parents 应该 selected。
我要处理的初始人口规模将在 50-75 人之间。我在想也许 select 下一代人口的一半，所以每一代人口都会减少一半，但不确定这是否是最好的选择。
任何建议都很好。
我没有使用遗传算法的经验，但阅读 [Wikipedia 页面] (https://en.m.wikipedia.org/wiki/Genetic_algorithm) 我可以看出每次迭代的总体规模通常应该相同。那里提到的终止条件包括固定的迭代次数和一代中最佳解决方案（个体）的适应度的最小值。从理论上讲，您应该能够继续迭代，生成更多代，直到满足终止条件。
考虑到这种理解，您现在可以计算需要多少parent才能生成新一代。请注意，您正在使用遗传运算符 selecting parents 到 generate 新的一代（通常交叉和突变以及它们的组合）。您不使用 selected 个体本身作为新一代，因为这不会导致解决方案的进化。因此，要计算所需的 parent 数量，您需要决定使用多少 parent 来生成一个 child（"classic" 方法为 2，但它不是必需的）。通常，您不会使用同一组（一对）parent 来创建多个 child。但我猜测（因为它没有在 wiki 页面中提到）你会在几个不同的组（夫妇）中使用特定的 parent 来创建不同的 children。对于每个 child 创建的 parent 也可能没有恒定数量（例如，对于突变，您只能对一个 child 使用一个 parent）。
假设您为每个 child 使用了 2 个 parent，您没有多次使用同一对，而是在多个对中使用每个 parent产生多个children。要使人口规模达到 y，您需要 select x parents，以便 (x choose 2) = (x!)/(2!(x-2)!) = (x•(x-1)/2) = (1/2)(x^2 - x) 大于或等于 y。将 y 替换为您所需的人口规模并求解 x.
我注意到的另一件事是，他们在维基页面中写道，通常选择的人口规模为数百或数千，因此您选择的 50-75 规模似乎很小。
每一代循环包括选择N个parents（你觉得合适，最好的数取决于问题。2是通常的），将它们交叉，变异children（只有 % 的机会），并用它们代替一些人口（保持人口规模是一种常见的做法）。你问的是最后一个。
一个简单的策略是在每一代循环中替换整个种群。另一个只替代 N 个最差的个体。其他可能是 N 个随机个体...
作为硕士学位学习的一部分，我学习了遗传算法课程。
正如@et_l 正确所说的那样，每次迭代的总体规模通常应该相同，因此你希望每一代的解决方案越来越少是没有意义的（将人口减少一半说）。 50-75岁的人口也很少。我建议在你的人群中至少有 100 个解决方案。
多少 parent 到 select 完全取决于您。您可以 select 整个人口，或只有少数。 parent 的数量通常只会影响您的总体收敛到单个解决方案的速度。一般来说，你 select 的 parent 越少，收敛的速度就越快。
现在假设（例如）您选择 100 个人口中的前 10 个解决方案作为您下一代的 parents。您杀死了其他 90 个人口并保持前 10 名。（请注意，您杀死的数量也有所不同，这并不总是需要成为未进入顶部的人口的一部分并成为 parent.)
接下来，您结合 10 个 parent 来创建新的解决方案。组合的方式有很多种。在这一步，重要的是让你的种群恢复到你的种群的初始大小，即 100。你可以选择在你的新一代中保留你的 10 parents，或者杀死它们并拥有一个种群完全由 100 children 和 10 parent 组成，而不是 10 parent + 90 children.
可选地，您现在还可以对新种群进行一些变异以获得更广泛的解决方案。您是否这样做完全取决于您，我建议您对此进行试验，看看这可能会产生什么样的效果。如果您选择包括突变，通常只有一小部分人口会发生突变。
你终于有了新的人口，如果你愿意，你可以开始另一个迭代。继续进行迭代，直到您在总体中获得满意的解决方案。
我希望我已经讲清楚了有很多方法可以实现遗传算法，并且需要进行一些实验才能找出最适合您的特定问题的实现方式。