为什么我的遗传算法看起来表现得很随机？

Question

我正在尝试使用以下方法制定迭代囚徒困境的最佳策略基本遗传算法（随机通用采样，1 -点交叉，Canonical GA）。我已经在 Haskell 中实现了这个算法，并且最近添加了图表输出。不幸的是，生成的图表不符合此问题的预期模式，因此看来我有一个错误。

我见过的关于这个问题的所有健身图看起来都是这样的：

可以看到其他示例在 关于迭代囚徒困境的稳健策略，PJ Darwen 和 X. Yao (1993) p6-7

但是我的输出如下所示：

如果我将突变率设置为 1，我会得到：

也许表明我的选择函数并不像我想象的那么随机，因为该图暗示了同质群体。

如果您想检查的话，我的代码位于 此 git 存储库 中。

现在的问题是：你们中的任何人都可以建议我在 GA 实现中可能做错了什么，以使图表看起来像这样吗？

例如，我假设它不太可能是适应度函数，因为我使用相同的适应度函数来最大化它的输出，因此即使适应度函数在某种程度上是错误的，它仍然会最大化该错误的函数（尽管我是当然我在这里可能是错的，我对遗传算法相当陌生）

我只是想了解要查看哪些函数的建议，我正在努力解决这个问题。

编辑：在我的组合函数中添加了一些调试代码后，它似乎总是被传递给相同的个体（即使突变设置为 1），所以可能选择在某个地方出错了。

编辑：选择出了问题，但这并没有造成所有问题，只是人口的同质性。

Answer 1

您有一个函数 maybeFlip，它将以给定的概率将等位基因更改为相反的等位基因。因此，当突变率为 1 时，您将继续在两个相反的之间来回翻转所有等位基因。这解释了图表中看到的之字形图案。

_{此外，交换位于Data.Tuple:)}