Masalah dalam GA adalah mempersempit ruang pencarian Anda terlalu cepat dan mencapai solusi maksimal lokal. Anda perlu memastikan bahwa Anda tidak memimpin solusi Anda dengan cara apa pun selain dalam fungsi seleksi/kebugaran. Jadi ketika Anda berkata,
mengapa Anda mengambil solusi yang baik dan kemudian menjalankan fungsi yang kemungkinan besar akan menjadikannya solusi yang lebih buruk
,alasannya adalah Anda INGIN mendapat kesempatan agar solusi tersebut mengambil langkah mundur, kemungkinan besar solusi tersebut perlu menjadi lebih buruk sebelum menjadi lebih baik. Jadi sebenarnya Anda harus menghilangkan logika penilaian apa pun dari operator genetika Anda, serahkan saja pada proses seleksi.
Selain itu, persilangan dan mutasi harus dilihat sebagai 2 cara berbeda dalam menghasilkan individu anak, Anda harus menggunakan salah satu cara tersebut. Dalam praktiknya, ini berarti Anda memiliki peluang untuk melakukan mutasi pada salah satu orang tua atau persilangan antara 2 orang tua. Biasanya peluang mutasi hanya 5% dan persilangan digunakan untuk menghasilkan 95% lainnya.
Persilangan menyimpan informasi genetik dari kedua orang tuanya (anak adalah bayangan cermin), sehingga satu anak akan lebih buruk dari orang tuanya dan yang lainnya lebih baik (atau keduanya sama). Jadi dalam hal ini dengan crossover, jika ada perubahan, Anda akan selalu mendapatkan individu yang lebih baik.
Di sisi lain, mutasi tidak memberikan jaminan akan adanya individu yang lebih baik, namun mutasi dilakukan dengan tujuan memperkenalkan data baru, membantu memindahkan GA dari skenario maksimal lokal. Jika mutasi gagal untuk memperbaiki individu dan memperburuk keadaan, maka kecil kemungkinannya untuk terpilih menjadi orang tua (yaitu Anda tidak memerlukan logika ini dalam operator mutasi itu sendiri).
Anda memilih yang terbaik untuk bermutasi
Hal ini tidak sepenuhnya benar, individu yang baik seharusnya mempunyai peluang lebih tinggi untuk terpilih. Di sini ada perbedaan halus bahwa individu BURUK juga dapat dipilih sebagai orang tua. Sekali lagi hal ini membantu mengurangi kemungkinan tercapainya solusi maksimal lokal. Hal ini juga berarti bahwa individu terbaik dalam suatu generasi bisa saja (dan seringkali memang demikian) justru menjadi lebih buruk. Untuk mengatasi hal ini kita biasanya menerapkan 'elitisme', dimana individu terbaik selalu disalin ke generasi berikutnya (yang sedang/tidak menjalani operasi).
Akan bermanfaat juga jika saya dapat mengomentari operator genetik mana yang Anda gunakan. Saya telah menemukan siklus persilangan dan mutasi inversi bekerja dengan baik menurut pengalaman saya.
person
M. Mansell
schedule
16.01.2018