高效的遗传算法

Question

考虑这个问题：有一个包含 1000 个实数正数的向量，找到 7 个部分的 1000 个元素的最佳划分，使得部分的总和具有近似（接近）值。

您将如何制作染色体表示、运算符（突变、交叉）、适应度函数、选择..以便您以最有效和优化的方式解决问题？

我的想法是给每个数字一个索引（例如，最小的数字有索引 1，最高的有索引 1000）......但我认为这不是最有效的方式吗？欢迎任何建议！

Answer 1

由于这是一个分区问题，我认为您需要将整个集合放在一个染色体中。假设您有一个长度为 1000 的数组，其值可以从 1 到 7。适应度函数可以计算每个分区之和的差异（越少越好）。交叉可以用单点或双点完成。然后突变可以将单个基因从其值随机更改为随机值，例如位置 102 为 4，然后突变为 1。使用此解决方案，您可以保证每个染色体都是有效的解决方案，尽管可能是一个坏的解决方案，所以您不要不必在每次迭代后检查不遵循问题规则的染色体（如果您选择每个分区有一个染色体，则会遇到问题）。像往常一样，交叉标准和突变的可能性需要在达到最佳性能之前进行探索和调整。