распределение популяции в генетических алгоритмах

Почему вы хотите, чтобы он был одинаково распределен, разве это не убивает идею алгоритма? Единственная возможная причина, которую я вижу, это избежать локального максимума   -  person Wald    schedule 27.01.2017

@Wald, ты очень прав. Дело в том, что я нашел очень быстрый алгоритм для нахождения приблизительных парето-рангов. Этот алгоритм требует в качестве входных данных набор данных iid, но иногда кажется, что он работает и для данных, отличных от iid (я не знаю, почему). Моя идея состояла в том, чтобы применить этот алгоритм в NSGA2, но результаты далеки от правильных. Вот почему я искал какие-то модификации для NSGA2, где я мог бы применить быстрый алгоритм, но безуспешно. Кстати, знаете ли вы какие-нибудь приложения, в которых может пригодиться знание приблизительных рангов Парето?   -  person maxE    schedule 27.01.2017

честно говоря, я не очень знаком с методами Парето, но после краткого изучения кажется, что они могут быть полезны, если вы делаете крупномасштабные генетические поколения. Например, если у вас есть один генетический алгоритм, настройте статические данные для другого внутреннего генетического алгоритма, так как это займет довольно много времени, и было бы полезно сузить полезные гены для внешнего алгоритма. Но, с другой стороны, я почти уверен, что ранги Парето не будут действительно точными, если ваши данные не распределены одинаково.   -  person Wald    schedule 31.01.2017

@Wald спасибо за ваши усилия. Я думаю, что решения в популяции слишком сильно коррелируют друг с другом для алгоритма, для работы которого требуются i.i.d выборки. Ну, есть такие приложения, как обнаружение аномалий, где процент элементов, которые зависят друг от друга, довольно низок. Алгоритм вроде бы работает, но математического доказательства нет.   -  person maxE    schedule 31.01.2017