锦标赛选择

锦标赛选择（Tournament Selection）是遗传算法中常用的选择算子。其基本思想是：每次从种群中随机抽取若干个个体进行“比赛”，再从中选出适应度最优的个体进入父代集合。

1. 基本流程

设锦标赛规模为 $k$，则一次选择过程如下：

1. 从当前种群中随机抽取 $k$ 个个体；
2. 比较这 $k$ 个体的适应度；
3. 选出其中最优个体；
4. 重复上述过程，直到选满所需父代数量。

对于最大化问题，选择适应度最大的个体；对于最小化问题，选择适应度最小的个体。

2. 核心特点

锦标赛选择不依赖适应度的绝对值大小，而更关注个体之间的相对优劣，因此实现简单、适应性强，在实际应用中非常常见。

其主要特点如下：

• 实现简单，不需要构造累积概率；
• 对适应度缩放不敏感；
• 容易控制选择压力；
• 适合并行实现。

3. 选择压力

锦标赛规模 $k$ 决定了选择压力的强弱。

• 当 $k$ 较小时，优秀个体被选中的优势较弱，有利于保留种群多样性；
• 当 $k$ 较大时，优秀个体更容易胜出，算法收敛更快，但也更容易早熟。

通常常用 $k=2$ 或 $k=3$。

4. 常见形式

4.1 确定性锦标赛选择

在抽取的 $k$ 个个体中，始终选择适应度最优者。这是最常见的形式。

4.2 概率性锦标赛选择

不是必然选择最优者，而是以较大概率选择最优个体、以较小概率选择其他个体。这样可以适当减弱选择压力，增强种群多样性。

5. 优缺点

优点：

• 原理直观，易于实现；
• 不需要适应度归一化；
• 对适应度分布不敏感；
• 选择压力可调。

缺点：

• $k$ 过大时容易导致早熟收敛；
• $k$ 过小时选择压力不足，收敛速度较慢。

6. 简要伪代码

for i = 1 to M:
    随机抽取 k 个个体
    选择其中适应度最优者
    加入父代集合
end for

7. 小结

锦标赛选择的本质是“随机抽样、局部竞争、优者胜出”。它兼具实现简便和效果稳定的优点，是遗传算法中最经典、最常用的选择机制之一。