无重复排列的遗传算法

Question

我正在编写一个遗传算法 (GA)，以在我的社交网络数据（一个 iGraph 对象）中找到某种排列。我正在使用 R 库 GA，但它生成的排列包含重复且它们的长度各不相同，而我想要没有重复且长度相同的排列。

我知道突变和交叉函数会导致这种现象，但我找不到解决方法。我试图实现一个适应度函数，它对“坏”排列给出低分，但这会导致错误（见下文）。

cp_GA <- function(g, ratio = 0.2, maxiter = 1000, run = 40, pop = 200) {

 library("igraph")
 library("GA")

 # ratio  : ratio of the number of core/all vertices
 #          this is describing the desired size of the core group 
 # maxiter: max number of iterations for the GA
 # run    : max number of runs with the same fitness
 # pop    : population size for tha GA

 # desired core size:
 coresize <- round(vcount(g) * ratio, 0)

 fitness_vertex_perm <- function(permutation) {
   # this is the fitness function for the GA
   # it calculates the density of the core with the current permutation
   # the if-else structure prevents permutations with repetitions

   if (sort(permutation) == c(1:vcount(g))) {
      dens <- edge_density(
  induced_subgraph(permute(g, as.numeric(permutation)), 1:coresize, impl = 
   "auto"))

   } else {
      dens <- 0
  }
  return(dens)
}

lowerlimit <- 1:vcount(g)
upperlimit <- vcount(g):1
hint       <- order(degree(g), decreasing = TRUE)
maxfitness <- 1

GA <- ga(type = "permutation",
           fitness = fitness_vertex_perm,
           lower = lowerlimit,
           upper = upperlimit,
           maxiter = maxiter,
           run = run,
           maxFitness = maxfitness,
           suggestions = hint,
           popSize = pop
 )

 return(GA)
}

在上面的适应度函数中，if else 语句检查排列是否正常，但这会抛出一个错误：

testresult <- cp_GA(g, ratio = 0.13, maxiter = 1000, run = 60, pop = 400)

Error in getComplete(control) : 
argument "control" is missing, with no default
In addition: Warning message:
In if (sort(permutation) == c(1:vcount(g))) { :
Error in getComplete(control) : 
argument "control" is missing, with no default 

如果没有 if-else，它会运行，但会产生对我没有用的排列结果。

如何设置 GA 以生成正确类型的排列？

Answer 1

现在你有两个要实现的东西： 1.GA选择机制。 2.无替换策略。 GA 选择的理论是，当你有父选择时，你可以随机选择，或者通过应用一些技术来做到这一点，你似乎刚刚完成了所需的操作。
没有替换的理论是，与以前相比，您将不得不减少剩余的人口。 概率（新）= 1/（概率（旧）- 1） 因此，如果您将循环部分中的人口上限调整为少一，您可以达到您的结果。

希望这就是您需要的正确方向的提示。