Q：遗传算法的初始化
Q: initialization of Genetic Algorithm
我有一个搜索量很大的函数space，所以我想用遗传算法稍微接近最优，然后用其他方法比如BFGS来找到最优点。我正在使用 R 来做到这一点。
问题是我的函数有 12 个参数并且在大多数点上都是无效的。当我为 GA 提供最大和最小参数值并尝试生成种群时，有时整个种群都是由 NaN 组成的（因此，算法无法继续）。
由于我对 GA 了解不多，所以我正在努力寻找解决这个问题的方法。我唯一想到的是选择一个非常大的人口规模（大约 10e5），这样它就可以找到一些有效的值来开始。但这不是一个很好的解决方案，因为能够用正常大小的人口初始化算法会好得多。
你有什么建议吗？我缺少有关 GA 的任何信息吗？
谢谢
如果您的大部分参数 space 无效，那么 GA 可能不是最佳方法。风险在于，当您跨算法时，您可能会得到无效的参数组合。
另一种思考方式是，GA 是一种搜索算法。当它尝试的结果比开始时好一点或差一点时，它的效果最好；如果大多数尝试都是无效的，那么就没有太多的搜索指导。
我的建议是尝试对问题进行不同的参数化，以便更多的点是有效的（尽管可能适应性较低）。您没有描述该功能，因此很难更具体，但有时可以接受 "invalid" 输入并量化它与 "valid" 的距离。然后就可以 运行 进行搜索了。
您可以使用 FI-2Pop GA。
"It is one of the virtues of the FI- 2Pop GA that it can be initialized with an empty feasible population and run with the prospect of eventually finding feasible solutions."
我有一个搜索量很大的函数space，所以我想用遗传算法稍微接近最优，然后用其他方法比如BFGS来找到最优点。我正在使用 R 来做到这一点。
问题是我的函数有 12 个参数并且在大多数点上都是无效的。当我为 GA 提供最大和最小参数值并尝试生成种群时，有时整个种群都是由 NaN 组成的（因此，算法无法继续）。
由于我对 GA 了解不多，所以我正在努力寻找解决这个问题的方法。我唯一想到的是选择一个非常大的人口规模（大约 10e5），这样它就可以找到一些有效的值来开始。但这不是一个很好的解决方案，因为能够用正常大小的人口初始化算法会好得多。
你有什么建议吗？我缺少有关 GA 的任何信息吗？
谢谢
如果您的大部分参数 space 无效，那么 GA 可能不是最佳方法。风险在于，当您跨算法时，您可能会得到无效的参数组合。
另一种思考方式是，GA 是一种搜索算法。当它尝试的结果比开始时好一点或差一点时，它的效果最好；如果大多数尝试都是无效的，那么就没有太多的搜索指导。
我的建议是尝试对问题进行不同的参数化，以便更多的点是有效的（尽管可能适应性较低）。您没有描述该功能，因此很难更具体，但有时可以接受 "invalid" 输入并量化它与 "valid" 的距离。然后就可以 运行 进行搜索了。
您可以使用 FI-2Pop GA。
"It is one of the virtues of the FI- 2Pop GA that it can be initialized with an empty feasible population and run with the prospect of eventually finding feasible solutions."