请问怎样确定遗传算法的参数

不是概率问题吗/

遗传算法的参数设计对于不同的实际问题都不同
目前还没有完整的理论来参考

种群大小越大 收敛效果越好 但计算量也会增大
在空间复杂度（内存大小）和计算速度允许的情况下 尽量大一些 不过如果问题的解空间不大或者是变化的话 则要另加考虑（解空间不大就没必要把种群定得很大了）

交叉率。。。一般都是全部参与交叉（染色体都会交叉嘛） 只是交叉方式的设计问题，有单点，多点，随机等等 另外还要考虑交叉后解的可行性 对于具体问题，可以各种方法都试一下（这方面的理论实在是很弱）

变异率不要设高，一般在%5以下，变异是为了避免把个体局限在较优的局部解空间内（模拟退火算法就有这个问题，所以经常会结合遗传算法）

总结一下，这个算法的理论支持目前还较弱，但是很实用，反正算得快，多算几遍，参数多改改，一般和近似解都很接近

种群大小一般可取80～320；
交叉率一般取0.7～0.9；
变异率0.05～0.15就可以了，一般比较小的时候稳定，也容易找到最佳值，但是有时候找不到最佳，可以取大一点尝试一下！这就是我用遗传的经验，希望能帮上你！