我熟悉遗传算法的选择方法，如随机通用抽样、轮盘赌、锦标赛等然而，我意识到这些方法接近于统计学中使用的随机抽样我想知道是否有一些实现方法接近基于种群中个体的某些特征的统计聚类，而不必在做样本之前首先检查所有个体的特定特征本质上，我想减少其他抽样方法的随机性，同时保持每个群体足够的多样性。
最佳答案
对于一般的遗传算法，查找niching/crowding strategies。他们试图通过保留独特的或非常多样化的解决方案，并在人口稠密的地区取代解决方案，来保护多样化的人口这在多目标优化中尤其有用，其中“解”是非支配个体的总体。
如果不进行多目标优化，并且不需要在整个运行过程中保持不同的总体，则还可以使用Offspring Selection Genetic Algorithm (OSGA)它将孩子与父母进行比较，只有当他们的素质超过父母时，才会考虑下一代的孩子。这已经shown到a）即使在无偏随机父选择下也有效，b）保持多样性直到搜索的很晚，此时种群收敛到单一解。
例如，您可以使用我们的软件HeuristicLab，尝试不同的遗传算法配置并分析它们的行为。该软件是gpl，在windows下运行。