Was ist der Kompromiss zwischen der Populationsgröße und der Anzahl der Generationen in genetischen Algorithmen

Genetische Algorithmen entwickeln sich in weniger Generationen mit einer größeren Population, benötigen aber auch länger, um eine Generation zu berechnen. Gibt es einige Richtlinien für die Abwägung dieser beiden Faktoren, um so bald wie möglich zu einer tragfähigen Lösung zu gelangen?

Ist dies auch der beste Ort für die Frage?

ds.algorithms machine-learning genetic-algorithms

— Matt Munson
quelle

Die Frage gehört wahrscheinlich zu Cross Validated .

— Chrisaycock

Ich denke, dass diese Frage hier in Ordnung ist, und ich würde es gerne hier beantwortet sehen. Soweit ich weiß, lassen sich genetische Algorithmen nicht so genau analysieren wie viele der gängigen Themen zur Theorie, aber diese Frage ist immer noch eine theoretische Frage, und ich würde auf Forschungsebene argumentieren. Wir haben bereits Fragen zu genetischen Algorithmen beantwortet: cstheory.stackexchange.com/questions/844/… Es gibt auch eine Metadiskussion zu diesen Fragen: meta.cstheory.stackexchange.com/questions/73/…

— Artem Kaznatcheev

Es gibt einige Arbeiten zu diesem Thema. Da Sie nicht angeben, für welche Probleme Sie Richtlinien wünschen, werde ich einige wichtige und einige letzte Artikel von allgemeinem Interesse auflisten. Sie sind:

C. Witt (2008) Populationsgröße versus Laufzeit eines einfachen evolutionären Algorithmus // Theoretical Computer Science, 403 (1), S. 104-120.
T. Chen, K. Tang, G. Chen und X. Yao Eine große Population kann für evolutionäre Algorithmen wenig hilfreich sein. // Theoretische Informatik. Artikel in der Presse
O. Giel, PK Lehre (2010) Zum Einfluss von Populationen auf die evolutionäre Mehrzieloptimierung // Evolutionary Computation 18 (3), S. 335-356.
PS Oliveto, J. He, X. Yao (2008) Analyse populationsbasierter evolutionärer Algorithmen für das Vertex-Cover-Problem . In Proceedings des IEEE World Congress on Computational Intelligence.
PS Oliveto, J. He, X. Yao (2007) Zeitkomplexität evolutionärer Algorithmen für die kombinatorische Optimierung: Ein Jahrzehnt der Ergebnisse // International Journal of Automation and Computing. In Abschnitt 4.1 finden Sie die Ergebnisse zu bevölkerungsbezogenen EAs.

— Oleksandr Bondarenko
quelle