¿Cuáles son los mejores algoritmos de selección de apareamiento en informática evolutiva?

El investigador de IA Ken Stanley creó una variación interesante de selección de rango, en la que utilizó la especiación para proteger las innovaciones de ser descartadas de manera demasiado agresiva, antes de que tuvieran la oportunidad de optimizar.

Detalles completos en su tesis doctoral. http://nn.cs.utexas.edu/download …

(de la página 25)

La especiación, también conocida como niching, se ha estudiado en GA, pero rara vez se ha aplicado a NE. La especiación se usa generalmente para la optimización de funciones multimodales (Mahfoud 1995). En estos problemas, una función tiene óptimos múltiples, y se utiliza un GA para encontrar esos óptimos. Otros tipos de problemas se derivan naturalmente de la optimización de funciones multimodales, como los problemas de clasificación: se pueden encontrar diferentes clasificadores en diferentes partes del espacio físico. En tales problemas, la población en su conjunto, en lugar de los individuos, se utiliza para tomar decisiones, por lo que es imperativo evitar que los individuos converjan en una única solución. La especiación también es útil para prevenir la convergencia prematura, es decir, toda la población queda atrapada en una solución subóptima, al hacer cumplir que la población sigue siendo diversa en problemas de solución única.

Los mejores en la literatura tienden a equilibrar la diversidad con las estrategias elitistas (manteniendo un grupo diverso de soluciones dispares). Las soluciones de bloque también pueden funcionar en algunas situaciones.