我正在实施NSGA II遗传算法，为我的大学制定一套时间表。我遇到了解决方案变化的问题。
我的算法在初始化、突变和交叉方面运行良好，但在最后一代之后，在查看我的解决方案时，它们都是相同的，例如我在一代中有200个，也许其中64个彼此相同，54个彼此相同等。
我的问题是这可能是什么原因造成的？交叉和变异的最佳形式是什么？
世代大小、世代数量、突变率和交叉率是否有规范？
目前情况如下：
我相信你的算法可能没有错误。这是GA的一个众所周知的问题。如果你想有多种解决方案，你应该实现一些Niching方法。它的想法是惩罚你人口中的类似个体。你可以找出一些个体相似性的启发式方法，将相似的个体排除在人群之外，或者消除个体的适应性。这将使您的种群更加多样化，并且不会允许您的变异操作员选择和进化相同的个体。看看萨米尔·W·马赫福德的《遗传算法的小生境方法》会很有用。
这个结果不一定是坏事。它可能只是收敛在几个解决方案上，这些解决方案在附近没有任何其他可行的解决方案。您正在收敛的解决方案不好吗？
我注意到的一件事是，尽管您提到了交叉，但并未将其列为7个步骤之一。如果实际上你只是在做突变，这将使GA更难爬出局部最优。
G、 A的工作方式类似于聚合到一个点，选择一组最小的等位基因（解决方案）作为最佳。在一些罕见的情况下，经过数千代人的长期运行，它可能会带来一个单一的最优解决方案。
但是在某些情况下，它可能在最少的运行次数，比如100次，就能带来收敛的解决方案。但是它有可能陷入局部最优，无法达到全局最优。
我不确定你已经尝试了哪一代。我建议你去1000代并比较结果。而且，在几代之后，情节可能会改变，就像你可以看到一套全新的解决方案一样。
不同的表示有不同的交叉和突变。也许你可以告诉你正在使用的表示，结果与世代数成正比。
