我有一个种群为X的遗传算法(GA)。

在我运行基因并获得每个基因的结果后，我对基因进行了一些加权乘法操作（因此，排名较高的基因被乘以的次数最多）。

我得到的基因数量要么是x*2，要么是x*2+(x*100/10)。这10%是随机的新基因，根据突变率可能会或可能不会触发。

问题是，我不知道将种群再次减少到X的最佳方法是什么。

如果基因是一个列表，我应该只使用list[::2]（或从列表中获取所有偶数索引的项目）吗？

在交叉基因时，常见的做法是什么？

编辑：

我的GA的示例，种群为100；

• 在适应度函数中运行100个基因并获取结果。当前种群：100
• 添加10%的新随机基因。当前种群：110
• 复制排名前10%的基因。当前种群：121
• 移除排名最差的10%的基因。当前种群：108
• 组合所有可能的基因（无重复）。当前种群：5778
• 从基因库中移除基因，直到种群=100。当前种群：100
• 重新开始适应度函数

我想知道的是：我应该如何执行最后一步？目前我有一个包含5778个项目的列表，我每隔’58’取一个，或者表示为len(list)/startpopulation-1

或者我应该使用一个’while True’循环并随机删除，直到len(list) == 100？

新的随机基因应该在交叉之前还是之后添加？

是否有办法对从最高到最低评级的项目进行高斯乘法？

例如：排名最高的乘以n，第二好的乘以(n-1)，第三好的乘以(n-2)……，排名最差的乘以(n-n)。

回答：

我真的不明白你为什么要这样执行GA，你能提供一些参考资料吗？

无论如何，以下是我实现功能性GA方法的典型解决方案：

1. 在适应度函数中运行100个基因并获取结果。

2. 根据归一化的适应度函数随机选择2个基因（考虑这是从基因池中选择每个基因的概率）并进行交叉。重复此步骤，直到你有90个新基因（在这种情况下是45次）。保存前5个不做修改并复制。总基因数：100。

3. 对于新池中的90个新基因和5个复制品，根据你的突变概率（通常为1%）允许它们突变。总基因数：100。

4. 从1）到3）重复，直到收敛，或X次迭代。

注意：你总是希望保持最佳基因不变，这样你每次迭代都能得到更好的解决方案。

祝你好运！