Genetic-algorithms-population

遺伝的アルゴリズム-人口

人口は、現在の世代のソリューションのサブセットです。 染色体のセットとして定義することもできます。 GAの母集団を扱う際に留意すべき点がいくつかあります-

• 人口の多様性を維持する必要があります。そうしないと、早期収束につながる可能性があります。
• 母集団のサイズはあまり大きくしないでください。GAの速度が低下する可能性がありますが、小さな母集団では適切な交配プールには不十分な場合があります。 したがって、試行錯誤によって最適な母集団サイズを決定する必要があります。

母集団は、通常、*母集団、サイズx、染色体サイズ*の2次元配列として定義されます。

人口の初期化

GAで母集団を初期化するには、2つの主要な方法があります。 彼らは-

• ランダム初期化-初期集団に完全にランダムな解を入力します。
• ヒューリスティックな初期化-問題の既知のヒューリスティックを使用して初期集団を作成します。

人口全体がヒューリスティックを使用して初期化されるべきではないことが観察されています。これは、人口が同様の解を持ち、多様性が非常に少ない結果になる可能性があるためです。 ランダム解が母集団を最適化するものであることが実験的に観察されています。 したがって、ヒューリスティックな初期化では、人口全体をヒューリスティックベースのソリューションで埋めるのではなく、いくつかの適切なソリューションで人口をシードし、残りをランダムなソリューションで埋めます。

ヒューリスティックな初期化は、場合によっては母集団の初期適合度にのみ影響することも観察されていますが、最終的には、最適性につながるのは解の多様性です。

母集団モデル

広く使用されている2つの人口モデルがあります-

定常状態

定常状態のGAでは、各反復で1つまたは2つの子孫を生成し、母集団から1つまたは2つの個体を置き換えます。 定常状態のGAは、 Incremental GA とも呼ばれます。

世代別

世代別モデルでは、「n」個の子孫を生成します。nは母集団のサイズで、反復の終わりに母集団全体が新しい母集団に置き換えられます。