稳态遗传算法 (SSGA)

先决条件 -遗传算法

SSGA 代表稳态遗传算法。它是稳态意味着没有世代。它不同于简单遗传算法，因为锦标赛选择不替换种群中被选中的个体，而是将被选中父母的孩子加入下一代，而是将两个父母和两个孩子中最好的两个个体加入到下一代中。重新加入到种群中，从而使种群规模保持不变。

伪代码：

1. 生成大小为 N 的初始种群。
2. 评估每个解决方案的适合度/优度。
3. 选择 2 个解决方案作为父母，不要重复。
4. 做交叉、变异和倒置并创建 2 个后代。
5. 如果后代重复，则转到步骤 3。
6. 如果不是，则评估后代的适应度。
7. 如果后代比最差的解决方案好，那么用后代替换最差的个体，使得种群规模保持不变。
8. 检查收敛标准。
9. 如果满足收敛标准，则终止程序，否则继续步骤 3。

稳态遗传算法框图

特征 ：

• 小代沟。
• 一代只产生了2个后代。
• 通常用于较小的种群规模 N。
• 与 Simple GA 相比，计算成本更低。
• 人口规模 N 始终保持不变。

应用：

• 优化使用普通的基于硬计算的算法无法解决的各种不同的拟合函数。
• 分布式计算机网络拓扑。
• 使用遗传算法学习模糊规则库。
• 在训练神经网络时使用 SSGA 而不是普通的 Backprop 算法等等。