Когда я начал изучать генетические алгоритмы, у меня возник тот же вопрос.
Я хотел собрать изменяющиеся параметры данных для очень простой задачи и связать данные операторы и значения параметров (такие как частота мутаций и т. Д.) С данными результатами в зависимости от размера популяции и т. Д.
Как только я начал понимать GA, я понял, что, учитывая огромное количество переменных, это огромная задача, а обобщение чрезвычайно сложно.
Исходя из моего (ограниченного) опыта, если вы решите упростить проблему и использовать фиксированный способ для реализации кроссовера, выбора и просто поиграть с численностью населения и частотой мутаций (реализованных определенным образом), пытаясь придумать общие результаты, вы скоро поймете, что слишком много переменных по-прежнему в игре, потому что в конце дня число поколений, после которого статистически вы получите достойный результат (каким бы способом вы ни хотели определить приличный ) очевидно, что это зависит в первую очередь от проблемы, которую вы решаете, и, следовательно, от размера генома (представление одной и той же проблемы разными способами, очевидно, приведет к разным результатам с точки зрения влияния данных параметров GA!).
Конечно, можно разработать набор руководящих принципов - как доказывает (редкая, но хорошая) литература - но вы сможете эффективно обобщать результаты в статистических терминах только тогда, когда рассматриваемая проблема может быть закодирована точно так же способ и приспособленность оцениваются каким-то эквивалентным образом (что чаще всего означает, что вы сталкиваетесь с очень похожей проблемой).