Единый кроссовер дает худшие результаты, чем одноточечный кроссовер?

Question

Я написал единый алгоритм кроссовера для части моей домашней работы, но он не работает должным образом. На самом деле это возвращает худшие результаты, чем моя единственная точка пересекается. Я просто хотел бы, чтобы кто -то указал, где я ошибаюсь, поэтому я могу это исправить, пожалуйста :). Я стараюсь целую вечность, и это мой последний курорт !!

    private void DoUniformCrossOver(int p1id,int p2id)
{
    ArrayList<Integer> p1 = population.get(p1id).GetRep();
    ArrayList<Integer> p2 = population.get(p2id).GetRep();
    ArrayList<Integer> c1 = new ArrayList<Integer>();
    ArrayList<Integer> c2 = new ArrayList<Integer>();

for (int i=0;i<nbits;++i)
{
    double selected = CS2004.UI(1,2);
    if (selected ==1)
    {
        c1.add(p1.get(i));
        c2.add(p2.get(i));
    }
    else
    {
        c1.add(p2.get(i));
        c2.add(p1.get(i));
    }
}

    population.add(new ScalesChrome(c1));
    population.add(new ScalesChrome(c2));
}

Метод принимает как параметра, два родителя, P1ID и P2ID. Затем создает арадилисты представления - P1 и P2.

В петле для петли «nbits» - это вес массива (или длина массива). Мой метод кроссовера в одной точке использует его в цикле для цикла, и он работает просто отлично.

Затем я генерирую либо 1/2, чтобы определить, какой ген от каждого родителя получит ребенок.

Фитнес этого алгоритма очень очень плохая !! Любая помощь вообще была бы очень оценена.

Большое спасибо.

Answer 1

Ну, прежде всего Какая информация Вы кодируете и Что ты пытаешься развиваться?

В зависимости от проблемы, которую вы пытаетесь решить, некоторые виды перекрестных стратегий помешают вам когда-либо найти хорошие решения.

Простой пример: Если решение, которое вы ищете, имеет неотъемлемая симметрия (например, классификатор большинства белых/черно-клеточных автоматов), одноцелевое перекрестное обороты никогда не даст вам очень хорошие результаты, потому что он нарушает любую симметрию, на которую мог бы наткнуться генетический алгоритм (например Таким образом, в случае классификатора большинства он будет очень хорош в классификации черного или белого, но не оба, поэтому он никогда не станет лучше, чем данная - довольно низкая - физическая форма).

Answer 2

(Поскольку вы не ответили на мой комментарий, я повторяю это как ответ)

Вы сравниваете двойник с постоянной, которая проблематична для чисел плавающих точек, используя int selected вероятно, будет лучше, или в случае, если вам нужно использовать двойник, попробуйте использовать что -то вроде:

if (selected < 1.5)