遗传算法中的二进制编码是否必要？答案

【问题标题】：Is it necessary with binary encoding in genetic algorithms?遗传算法中的二进制编码是否必要？
【发布时间】：2016-09-06 14:28:35
【问题描述】：

我正在做一个项目，探索在建筑中使用遗传算法，我们使用进化方法在 3d 中创建 Voronoi 镶嵌。这是使用用于 openFrameworks (c++) 的 ofxVoro++ 完成的。

我们的基因组染色体是 3D 点的向量（列表）。我们已经实现了单点和两点交叉和突变，它以一定的概率随机化这些点。在我见过的大多数例子中，基因组是二进制编码的，我认为这会导致突变和交叉以不同的方式发挥作用。

所以我的问题是：二进制编码还有其他好处（速度除外）吗？您将如何在 c++ 中处理这种编码/解码？从二进制到 3d 点列表。

最好的问候，弗雷德

【问题讨论】：

【解决方案1】：

您也可以使用真正的编码，但在这种情况下，您使用什么交叉和变异很重要。如果你的交叉只是 (p1+p2) / 2 或 p1*a + p2*(1-a)，你不会得到好的结果。

K.Deb 在 1995 年提出了一个很好的实数编码交叉算子。这是论文：http://www.complex-systems.com/pdf/09-2-2.pdf

【讨论】：

【解决方案2】：

交叉和变异是不同的运算符。交叉使用现有的遗传。突变将新的遗传物质引入人群。在不了解有关您的算法的更多信息的情况下，随机化点听起来像是突变。突变通常在非常低的时间百分比（可能 1%）执行，而交叉可能相当高（50%）。

因此，对于您的算法，我不会“修改”任何用于交叉的东西。相反，对于交叉，我会尝试重新定位材料或简单地从父母那里获取不同部分的分数。

对于突变，在点上添加或减去一个小数可能是有意义的，从而修改点（突变）。

如果不了解您的算法和染色体表示，很难提出建议。

【讨论】：

【解决方案3】：

我在物流和财务问题上使用了不同的 GA。很多时候我不使用二进制表示。我可以给你的第一个例子是 TSP 问题：

这里我使用标准表示：染色体是一个整数数组，每个值代表城市。

因此，这取决于您要解决的问题的类型，如果您可以找到一种无需二进制表示来实现 GA 的方法，您就不需要任何调整。此外，我更喜欢自然表示，因为在调试代码时更易于理解，如果您的 GA 按您的意愿工作。

【讨论】：