효과적인 구현

GA는 본질적으로 매우 일반적이며 최적화 문제에 적용하는 것만으로는 좋은 결과를 얻을 수 없습니다. 이 섹션에서는 작업에서 GA 디자이너 또는 GA 구현자를 돕고 지원하는 몇 가지 사항을 설명합니다.

문제 별 도메인 지식 소개

우리가 GA에 통합하는 더 많은 문제 별 영역 지식이 관찰되었습니다. 더 나은 객관적 가치를 얻을 수 있습니다. 문제 별 교차 또는 변형 연산자, 사용자 지정 표현 등을 사용하여 문제 별 정보를 추가 할 수 있습니다.

다음 이미지는 EA에 대한 Michalewicz (1990)의 견해를 보여줍니다.

혼잡 감소

크라우 딩은 고도로 적합한 염색체가 많이 번식 할 때 발생하며, 몇 세대 내에 전체 인구가 유사한 적합성을 가진 유사한 솔루션으로 채워집니다. 이것은 GA의 성공을 보장하는 매우 중요한 요소 인 다양성을 감소시킵니다. 혼잡을 제한하는 방법에는 여러 가지가 있습니다. 그들 중 일부는-

Mutation 다양성을 소개합니다.
로 전환 rank selection 과 tournament selection 비슷한 체력을 가진 개인의 체력 비례 선택보다 선택 압력이 더 큽니다.
Fitness Sharing − 인구에 이미 유사한 개인이 포함되어있는 경우 개인의 체력이 감소합니다.