传统遗传算法参数怎么合理设置？

Question

传统遗传算法参数怎么合理设置呢？交叉概率、变异概率怎样设置？

Answer 1

伪代码过程 （谢菲尔德大学的遗传算法工具箱）如下：
1.根据已有的数据，应用神经网络进行拟合，得到神经网络模型参数
2.设置遗传算法的参数
3.while gen<MAXGEN %小于进化代数
FitnV=ranking(-ObjV); %分配适应度值
SelCh=select('sus',Chrom,FitnV,GGAP); %选择
SelCh=recombin('xovsp',SelCh,px); %重组
SelCh=mut(SelCh,pm); %变异
XY=bs2rv(SelCh,FieldD); %子代个体的十进制转换
将子代个体代入神经网络模型，得到评价准则。
重插入子代到父代，得到新种群
代计数器增加
记录每代的最优解及其序号
end