algoritmo genetico che gestisce valori di fitness negativi

Question

Sto cercando di implementare un algoritmo genetico per massimizzare una funzione di n variabili. Tuttavia, il problema è che i valori di fitness possono essere negativi e non sono sicuro di come gestire i valori negativi mentre si effettua la selezione. Ho letto questo articolo Linear fitness scaling in Genetic Algorithm produces negative fitness values ma non mi è chiaro come siano stati presi in considerazione i valori di fitness negativi e come sono stati calcolati i fattori di scala aeb.

Inoltre, dall'articolo so che la selezione della ruota della roulette funziona solo per il valore di fitness positivo. È lo stesso anche per la selezione dei tornei?

Answer 1

La selezione del torneo non è influenzata da questo problema. Confronta semplicemente i valori di fitness di un sottoinsieme uniformemente campionato di dimensione n della popolazione e prende quello con il miglior valore. Ciò nonostante, naturalmente, se si campiona senza ripetizione, i peggiori individui n-1 non verranno mai selezionati. Se si campiona con la ripetizione, hanno la possibilità di essere selezionati.

Come con la selezione proporzionale: non funziona con valori di fitness negativi. Puoi applicare solo "windowing" o "ridimensionamento" dei tuoi valori di fitness, nel qual caso lavoreranno di nuovo.

Una volta ho programmato un po 'di sampling methods come metodi di estensione per C# I s IEnumerable tra loro è un metodo di estensione SampleProportional e SampleProportionalWithoutRepetition. Fanno parte di HeuristicLab con licenza GPL.

Answer 2

Quando si dispone di valori negativi, è possibile provare a trovare il valore di fitness più piccolo nella popolazione e aggiungere il suo opposto a ogni valore. In questo modo non avrai più valori negativi, mentre le differenze tra i valori di fitness rimarranno le stesse.