ML – 遗传算法的收敛

介绍：

• 遗传算法是概率搜索优化技术，它对染色体群体进行操作，代表给定问题的潜在解决方案。
• 在标准的遗传算法中，1 和 0 的二进制字符串代表染色体。每个染色体都分配了一个适应度值，表示其反映给定目标函数的质量。这样的种群是通过繁殖和重组运算符进化出来的，以培育出最优解的染色体。进化继续运行，直到满足某个终止条件。到目前为止遇到的最好的染色体然后被认为是找到的解决方案。
• 遗传算法同时对迄今为止发现的有希望的区域进行开发，并探索其他领域以获得更好的解决方案。
• 遗传算法的弱点是它经常遭受所谓的早熟收敛，这是由种群中遗传物质的早期同质化引起的。这意味着无法再进行有价值的探索。

原理图，示意图

细节：

• 收敛是进化计算中的一种现象，它导致进化停止，因为种群中的每个个体都完全相同。
• 在仅使用交叉的遗传算法中可能会看到完全收敛。
• 过早收敛是指群体已经收敛到一个单一的解决方案，但该解决方案的质量没有预期的那么高，即群体陷入困境。
• 然而，收敛并不一定是一种负面现象，因为种群通常会在一段时间后稳定下来，也就是说，最好的程序都有一个共同的祖先，它们的行为彼此非常相似/相同，并且与来自前几代。
• 可以使用多种分集生成技术避免收敛。