Hầu hết các tài liệu tôi đã đọc về GA đề nghị sử dụng giá trị chéo khoảng 0,7, do đó, bạn lấy 70% gen đầu tiên của một nhiễm sắc thể và 30% còn lại để tạo ra một nhiễm sắc thể mới.
Nếu bạn đang chọn nhiễm sắc thể bố mẹ bằng cách lấy hai nhiễm sắc thể hàng đầu (xếp hạng theo thể lực), thì tôi có thể thấy logic ở đây, vì bạn đang tăng thêm trọng lượng cho các gen của nhiễm sắc thể được xếp hạng cao hơn. Tuy nhiên, nếu bạn đang sử dụng phương pháp ngẫu nhiên (chẳng hạn như bánh xe roulette) để chọn cha mẹ, thì điểm quan trọng của việc sử dụng bất cứ thứ gì ngoài 0,5 làm giá trị chéo là gì? Cho rằng bạn đã chọn nhiễm sắc thể A và B làm cha mẹ, bạn có khả năng chọn A đầu tiên và B thứ hai như B đầu tiên và A thứ hai không?
Tôi mới chỉ thực sự viết một GA cho đến nay (vẫn đi xuống ở cuối đường cong học tập, nhưng tiến lên nhanh chóng nhờ một số trợ giúp tuyệt vời ở đây!), Nhưng các thí nghiệm trên đó cho thấy 0,5 mang lại sự hội tụ nhanh hơn cho giải pháp hơn bất kỳ giá trị khác.
Hay tôi đang thiếu một cái gì đó?
Most of the literature I've read about GAs suggests using a crossover value of around 0.7
<- một điều cần lưu ý là rất nhiều loại giá trị này trong tối ưu hóa heuristic được dẫn xuất ít nhiều dựa trên những giá trị dường như dẫn đến kết quả tốt (thay vì dẫn xuất theo kinh nghiệm). Tôi ít quen thuộc với GA nhưng tôi biết trong các phương pháp tối ưu hóa dựa trên dân số khác, các hằng số được xác định khá tùy tiện, trong đó một số nhà nghiên cứu đã thực hiện một số thí nghiệm cơ bản, tìm thấy các giá trị hoạt động tốt hơn và sau đó các giá trị đó được cộng đồng tối ưu hóa chấp nhận .