在内存寄存器中显式定义常量的利弊是什么，与最初为常量播种个体并通过遗传算子对其进行变异有什么不同？
具体来说，请从我有一本关于线性遗传编程的书中阅读：
在我们的实现中，所有寄存器都保存浮点值。在内部，
常数存储在具有写保护的寄存器中，即可能不会变为
目的寄存器。结果，可能的常数集
保持固定。
我想知道的是，这是比最初随机生成常量并将其集成到程序中，然后通过训练过程进行改进的方法更好的方法。
谢谢
最佳答案
通过使用术语“内存寄存器”，我将假设您是指内存增强的遗传编程技术。
即使使用内存寄存器，使用常量也是不正常的。取而代之的是，像Memory with memory in genetic programming这样的技术可以让您缓慢地更改内存寄存器，而无需进行突然更改以使内存不相关。不过，通常会在随机初始化中引入这些值，因此您可以执行随机重启以尝试摆脱局部最优值。
也许您正在考虑将所有内存寄存器设置为零或某些人工估计值？
编辑：
听起来，他们拥有希望保留在所有世代中的某些价值，而这些价值没有改变。就个人而言，假设您的GA所处的环境在所有实例中都是共享的，那会更好地代表您的GA所代表的那种价值。
如果没有在实例之间共享它们，那么这可能反映了一种意图，即在设置中使用一些随机值播种总体（至少在给定的运行期间内不应该允许其演化）。
如果需要在复杂的背景下进行演化，并且想要先对固定的环境进行拟合，然后再尝试对更复杂的可变环境进行拟合，则第一类常数（环境常数）会很有用。
第二种常量（每个DNA实例）不是我使用过的，但我想如果分析人员发现某些“易变”变量过于混乱而无法连续进化，那么将其作为常量“保护”可能会有用跑步。
关于artificial-intelligence - 线性遗传规划常数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/10411859/