遺傳演算法相關參數設置？

12-28

如種群數，pc，pm等

沒有確定的選取方法。

把解空間想像成幾何空間，現有的種群想像成這個空間的點。

提高種群數量，可以提高點的密度，密度越大，對求解越有利，但計算量也越大，所以種群數的選取在於保證適當的密度；

我們希望這些點怎麼分布呢？首先不能過於集中，要保持相對分散，如果過於集中了，就要增大變異概率，減小交叉概率；
我們還希望在各個局部解周圍相對集中，如果沒有明顯的聚集區域，就要減小變異概率，增大交叉概率。

這兩個參數就像兩個旋鈕，通過調節這兩個旋鈕，我們希望出現一群分布在整個解空間的點，並且在某些區域相對聚集，有點像宇宙中恆星的分布，或蟻群、蜂群的分布。

如果我們在實驗室里做這樣的試驗，我們肯定是根據當前的情況不斷調節這兩個旋鈕，而不是一開始就一次性地調節到某個值。

所以，應該根據先驗信息選定一組初始參數，然後根據當前求解情況動態地調整，調整的原則就是上面所說的。
如果這種動態調整也能通過程序自己完成，那就是一個自適應的演算法啦。

群體大小，一般取20~100；終止進化代數，一般取100~500；交叉概率，一般取0.4~0.99；變異概率，一般取0.0001~0.1。

將參數組合作為基因實數編碼
以解的質量和求解時間的加權和為目標函數，設計一個亞級遺傳演算法，實現自動迭代；可以結合一些演算法參數的基本定性分析，加快收斂速度；

謝瑤。
你可以上谷歌學術搜一下相關論文，我並不認為遺傳演算法的部分參數設置上有什麼清晰的數學邏輯可循。
有時候甚至要感性地去思考雜交率，代數這些參數，找出一個合理的取值範圍。
至於什麼早熟收斂，聽起來甚是像馬後炮。
所以它是實驗性的課題。。。。