どのパラメータのための遺伝的アルゴリズム?

Question

一部の遺伝的アルゴリズムの枠組み、など http://www.aforgenet.com/ 要する多くのパラメータなどの突然変異率は、人口のサイズ等

あユニバーサルベスト番号などのパラメータ?することにより問題(フィットネス機能の遅延、変異の遅延、組み換えが遅れ、進化率ます。私の初めてだと思っていたものを利用すことができませんでした。設定もGA.

何より良いアイデア、浮かぶのでしょうか。

Answer 1

私は値でそれらの値は、あなたが自分自身を設定するには、GAを使った基本的には同様に、変異させることが含まれる遺伝的アルゴリズムをプログラムする1時間。それは私がこれらの値は、それのコースは計算だにわたり変更することは有益であることがわかってきました、特に以来、よく驚くほど働いています。

Answer 2

を見たいので考えてこれらの問題としての景観がいを探す。

の方法のような遺伝的アルゴリズムを使用するデバイスの風景は大きすぎるだけの試験すべてのポイントの"形"の風景はどのような勾配-降下ですぐにこだわった地元の偉.

その一例がRastriginの機能参考画像):
_{（出典： scientific-computing.com)}
:

お客様の選択：

世代サイズ：

• 大きすぎ:んについて 長い画期的な時間を制限する方 チャンスを各個人が を探索す。
• 小さい:得られないときには、いくつかの良い の検索スペース。

突然変異率

• 高すぎる:きリスクの個人 "ジャンプ"の解いた あります。
• 低すぎる:それらはすべて間違いないと思 にこだわった地元の偉.

なので本当によるご自身の特定の検索スペース。実験パラメータの最適な組み合わせです。私は同意するその他のGAを最適化パラメータは問題ない。

Answer 3

を見たいのでむしろ残念なが多く回答するときのパラメータの遺伝的アルゴリズムます。 今のパラメータによる問題があり方ができます。

また、 フリーの定理 段取りの中から最適なパラメータが既に議論する紛争は:

• 実質的に保持していない
• 記述長が紛争の定理
• 共進化の定理と関係が

二種類あり、パラメータ設定

• パラメータをチューニング（オフラインのパラメータと検索前のGAはrun)
• パラメータの制御(オンラインパラメータ調整-中GA）
  • 適応
  • 自己適応
  • 決定論的

多くの文献がその記述方法でこれらの最適なパラメータによって違いますので、それぞれどのようなパラメータの検索をオフラインまたはオンライン人気のあるオフラインが適して多くの場合では、オンラインパラメータの制御方法の追加も複雑な過しています。

一例をご紹介し、"ベストパラメータ:

パラメータをチューニング:

• 簡単なパラメータの掃引(くま)
• Meta-GA ontopることができませんでした。
• レーシング戦略 の光りかたや色をパラメータ
• Meta-GAおよびレーシングと

パラメータの制御:

• 適応確率変異とクロスオーバー
• 自己適応popuationサイズ
• 決定論的遺伝子事業者

りだけを検索対象の文献をキーワードを使用する。があり科学的方法の発見に適したパラメータを指定する。

Answer 4

ニダと怒られるのでしょうか？簡単です。

なぜですか？その 無料のランチ です．これは、基本的にはあ 一般 検索アルゴリズムを作った すべての ます。

最高のできない服を検索 特定の 問題はスペース。だって手動で調整御パラメータを合わせます。います。

を利用すことができませんでした。見GAのパラメータが複雑です。いはどういうところだと思いま最適なパラメーター-ガガsearch?他のGA...?

Answer 5

本当に与えられたデータセットのためにそれを行うための自動的な方法がありません。あった場合、彼らはそれらのパラメータを公開しません。最初のGAのパラメータをチューニングする二GAを使用することは危険である - あなたは、第二のパラメータをチューニングする第三GAを使うのですか？あなたはそれをしたとしても、それはとにかくオーバーフィッティングのためのレシピです。

あなたは、人口が安定することはありませんあまりにも多くの変異を持っている場合は、

私のアドバイス等、パラメータを指定して再生し、それが許容できる答えを取得するのにかかるどのように多くの世代、彼らは各世代であなたの人口distrubutionにどのように影響するかを見ることであろう。少なすぎると、あなたが均質になってしまいます。

これは、それらをチューニングすることは芸術ではなく科学であるガスの汚い秘密です。

Answer 6

誰もが言ったように、誰も答えはありません。 0.1から0.3にレベル0.7-0.9と突然変異に交叉率を使用するには、いくつかの傾向があるが、それは実際に依存します。 、問題に依存して適合関数に依存してもよいし、間違いなく遺伝的アルゴリズム自体に依存します。同じ問題のための最適なパラメータは変更になる場合があり、多くのGAのバリエーションがあります。

が指摘されたように、最初のGAの方法チューニングパラメータをチューニング対象GAのパラメータのようなアプローチがあるにGAを用いて、しかしとして？多分突然変異率が最初に高くなければならないことに注意してください、そして率クロスオーバーが増加しなければならない一方で、それは減少しなければならないより。それは搾取対探査の問題です。 GAは、より適応であるとすると、それは解決策を探して、そのパラメータを変更してみましょうする方法があります。ファジィコントローラは時々、GAのパラメータを操作するために使用されています。他のアプローチもあります。

あなたは、より多くのそれについて知っているいくつかの本を購入、または学術研究論文に目を通すにしたい場合。
あなたが大規模な調査せずにセットアップに独自のGAが必要な場合は、他の人からいくつかの値が動作し、それらを試してみます。