Selektion

Die Wahl des Selektionsschemas ist eng verknüpft mit der zugrunde liegenden Problemstellung, deren Realisierung in der Zielfunktion und dem ausgewählten Skalierungsschema. Ungünstige Kombinationen dieser Faktoren resultieren entweder in einem zu niedrigen oder einem zu hohen Selektionsdruck innerhalb der Population. Im ersten Fall dauert es dadurch länger, bis ein Genetischer Algorithmus gegen eine Lösung konvergiert. Die Anzahl der Zielfunktionsevaluationen wird dadurch unnötig in die Höhe getrieben. Im zweiten Fall wird in der Regel zu Anfang des Laufes die Population durch einige wenige, relativ gute Individuen innerhalb kürzester Zeit ``übernommen''. Dieser Effekt wird auch als Takeover bezeichnet und hat eine zu schnelle Konvergenz der genetischen Vielfalt innerhalb einer Population zur Folge. Dadurch kommt es in den allermeisten Fällen zu einem vorzeitigen Abbruch des Algorithmus, da nicht mehr genug Genkombinationen für die Suche zur Verfügung stehen^4.2.

Blickle und Thiele [12] haben 1995 zu diesem Thema einen Vergleich der gängigsten Selektionsschemata publiziert, in welchem sie theoretische und mathematische Modelle zu allen Schemata herleiten und durch Versuche ihre Ergebnisse untermauern. Bäck und Hofmeister [6] zeigten in einer Untersuchung über erweiterte Selektionsschemata in evolutionären Algorithmen, dass ``sanfte'' Selektionsschemata wie uniform oder linear ranking^4.3 bei einer multimodalen Funktion bessere Ergebnisse liefern als andere Selektionsschemata. Jedoch warnen sie davor, dass bei zu sanften Schemata unter Umständen eine Population die gefundenen Teillösungen nicht halten kann und diese somit für weitere Exploitation und als Startpunkt für umgebungsbezogene Exploration verloren gehen.