1.4　截?cái)噙x擇

截?cái)噙x擇是最基本的選擇算法之一。Heinz Muhlenbein（1993）在關(guān)于育種者遺傳算法（breeder genetic algorithm）的論文中指出，截?cái)噙x擇需要根據(jù)適應(yīng)度對(duì)種群進(jìn)行分類。分類后，選擇一定比例（例如1/3）的種群作為育種種群。然后從育種種群中取樣潛在解，以幫助生產(chǎn)下一代。創(chuàng)建第二代的具體方法將在第2章中討論。圖1-1展示了如何將整個(gè)種群按截?cái)噙x擇來劃分。

圖1-1　截?cái)噙x擇

截?cái)噙x擇算法可以用清單1-1中的偽代碼表示。

清單1-1　截?cái)噙x擇偽代碼

def truncate_select(breeding_ratio, sorted_population)
  # Sort the population. For efficiency you should move
  # this outside the selection function and perform the sort
  # once for each batch of selections you will perform.
  sort(sorted_population)
  # Determine the size of the breeding population.
  count = len(sorted_population) * breeding_ratio
  # Obtain a uniformly distributed (all numbers have
  # equal probability) single random number
  # between 0 and count.
  index = uniform_random(0,count)
  # Return the selected element.
  return sorted_population [index]

截?cái)噙x擇算法的最大限制之一，就是必須對(duì)種群進(jìn)行排序，你必須不斷使整個(gè)種群處于已知的排序狀態(tài)。這種排序嚴(yán)重限制了該算法針對(duì)多核和分布式計(jì)算而并行化的能力。結(jié)果，該算法無法在大種群中很好地伸縮，因?yàn)槟憧赡苡性S多不同的選擇在并行運(yùn)行。

此外，由于親本只生孩子，而親本沒有加入下一代，因此有可能沒有孩子達(dá)到或超過上一代最優(yōu)解的分?jǐn)?shù)。因此，你應(yīng)該用精英來選擇一個(gè)或多個(gè)最優(yōu)解，并直接復(fù)制到下一代。如果不用精英，你的最佳得分可能會(huì)在兩次迭代之間降低。