私がGAについて読んだほとんどの文献では、約0.7のクロスオーバー値を使用することを推奨しています。そのため、一方の染色体の遺伝子の最初の70%と残りの30%を使用して、1つの新しい染色体を生成します。
上位2つを選択して親の染色体を選択している場合(適合度でランク付け)、評価の高い染色体の遺伝子により多くの重みを付けているため、ここでロジックを確認できます。ただし、確率的な方法(ルーレットホイールなど)を使用して親を選択している場合、クロスオーバー値として0.5以外のものを使用する意味は何ですか?親として染色体AとBを選択した場合、Aを最初に選択し、次にBを選択し、次にBを最初に選択する可能性があります。
私は実際にはこれまでに1つのGAしか書いていません(まだ学習曲線の一番下にありますが、ここでの大きな助けのおかげで速く上に移動します)。しかし、その実験により、0.5はソリューションへの収束が速くなることが示されていますその他の値。
それとも何か不足していますか?
Most of the literature I've read about GAs suggests using a crossover value of around 0.7
<-覚えておくべきことの1つは、ヒューリスティック最適化におけるこれらのタイプの値の多くは、(経験的な導出ではなく)良い結果につながると思われる値に基づいて導出されることです。私はGAにあまり詳しくありませんが、他の母集団ベースの最適化手法では、定数がかなり恣意的に決定されていることを知っています。