遗传算法中的锦标赛选择

Question

我在遗传算法中执行以下程序来选择锦标赛：

choose k random individuals from population & select two best individuals among these k individuals to be parents.

正确吗？

Answer 1

考虑到您正在使用健身标准，这里有一个伪代码可以帮助您。

func tournament_selection(pop, k):
best = null
for i=1 to k
    ind = pop[random(1, N)]
    if (best == null) or fitness(ind) > fitness(best)
        best = ind
return best

所以基本上你所遵循的方法是好的。虽然还有很多东西，比如交叉之类的，但我想你已经处理好了。

参考 link 有很好的解决方案- Tournament Selection in Genetic Algorithms

要扩展这个，使用另一个变量 'better'。做一些像-

better = best
best = ind

并且在 returning 时，return 一个对象是这两个变量的一对。

或者另一种方法是 - 调用同一个函数实例两次，它将 return BEST 和 BEST-1。需要对代码进行一些调整才能处理示例。

PS：这可能不是最佳方法。

Answer 2

锦标赛选择：

锦标赛选择是一种从个体群体中选择个体的方法。
锦标赛选择涉及运行几个 "tournaments" 从人群中随机选择的几个人。
选择每场比赛的获胜者（最适合的那个）进行交叉。
当锦标赛规模较小时，锦标赛选择也给了所有个体被选中的机会，因此它保留了多样性，尽管保持多样性可能会降低收敛速度。
但如果锦标赛规模较大，弱个体被选中的机会较小，导致多样性损失。

伪代码：

choose k (the tournament size) individuals from the population at random
choose the best individual from pool/tournament with probability p
choose the second best individual with probability p*(1-p)
choose the third best individual with probability p*((1-p)^2)
and so on...

确定性锦标赛选择在任何锦标赛中选择最佳个人（当 p = 1 时）。单向锦标赛 (k = 1) 选择等同于随机选择。如果需要，可以将所选个体从进行选择的种群中移除，否则可以为下一代多次选择个体。与（随机）适应度比例选择方法相比，锦标赛选择由于缺乏随机噪声而经常在实践中实施。

MatLab 中的锦标赛选择：

Matepool=randi(PopLength,PopLength,2);%%select two individuals randomly for tournament and chooose the one with best fitness value
%% number of tournament is equal to the number of population size
for i=1:PopLength
    if Fitness(Matepool(i,1))>= Fitness(Matepool(i,2))
        SelectedPop(i,1:IndLength)=CurrentPop(Matepool(i,1),1:IndLength);
    else
        SelectedPop(i,1:IndLength)=CurrentPop(Matepool(i,2),1:IndLength);
    end
end

Answer 3

锦标赛选择是用于选择 parents 交叉的众多技术之一，就像轮盘赌选择一样。我还要指出的是，对于选择，除了适应度之外，还应该考虑分类器的experience/age来进行选择。 Beta 是健身贡献的因素，1-beta 是体验。代码片段在 java.

  ArrayList<Genotype> Crossover (ArrayList Population){
  ArrayList<Genotype> selected= ArrayList<Genotype>();
  Geneotype best=NULL, second_best=NULL;
  for(int i=0; i<k;i++){
    int prob= Math.random()+Population.size(); // generate a number between 0 and last index of arraylist
      if(best==NULL || best.fitness<Population.get(prob).fitness)
        best= Population.get(prob);
      else{
        if(second_best.fitness<Population.get(prob).fitness)
           best= Population.get(prob);
      }
  Population.remove(prob); // Wil not affect the actual population because parameters are pass by value not reference  
  selected.add(best);
  selected.add(second_best);
  return selected;  
}

遗传算法中的锦标赛选择

tournament selection in genetic algorithm

genetic-algorithm