我的函数有一个非常大的搜索空间，因此我想使用遗传算法来接近最优点，然后使用其他方法如BFGS来找到最优点。我使用R语言来实现这一点。

问题是我的函数有12个参数，并且在大多数点上是无效的。当我给遗传算法提供参数的最大值和最小值时，它试图生成一个种群，有时整个种群都是由NaN组成的（因此，算法无法继续运行）。

由于我不太了解遗传算法，我在寻找解决方案时遇到了困难。我唯一想到的方法是选择一个非常大的种群规模（比如10e5），这样它可能会找到一些有效的初始值。但这并不是一个很好的解决方案，因为能够用正常大小的种群初始化算法会更好。

您有什么建议吗？我在遗传算法方面有什么遗漏的吗？

谢谢

回答：

如果您的参数空间大部分是无效的，那么遗传算法可能不是最佳方法。风险在于，在算法之间转换时，您可能会得到无效的参数组合。

另一种思考方式是，遗传算法是一种搜索算法。它在尝试的结果比起始点略好或略差时表现最佳；如果大多数尝试都是无效的，那么搜索就缺乏指导。

我的建议是尝试以不同的方式参数化问题，使更多的点有效（尽管可能适应度较低）。您没有描述函数，所以很难给出更具体的建议，但有时可以接受“无效”输入，并量化它与“有效”有多远。然后，您可以对其进行搜索。