优化函数的遗传算法答案

【问题标题】：Genetic algorithm for optimization function优化函数的遗传算法
【发布时间】：2018-04-20 10:35:31
【问题描述】：

请帮帮我，我尝试在 java 中实现 GA 以解决 (Xi)^2 函数求和的最小化，即 X 值在 [-100,100] 之间是双倍的，i = 1,2,3,...,30 并且有 4 个人口。我无法得到正确的结果。 Check Source Code 谢谢你

遗传算法.java

....
public Population evolvePopulation(Population population) { 
    Population newPopulation = new Population(population.size());

    for (int i = 0; i < population.size(); ++i) {
        Individual firstIndividual = randomSelection(population);
        Individual secondIndividual = randomSelection(population);
        Individual newIndividual = crossover(firstIndividual, secondIndividual);
        newPopulation.saveIndividual(i, newIndividual);
    }

    for (int i = 0; i < newPopulation.size(); ++i) {
        mutate(newPopulation.getIndividual(i));
    }
    return newPopulation;
}

遗传算法.java

public Individual randomSelection(Population population) {
    Population newPopulation = new Population(Constants.TOURNAMENT_SIZE);

    for (int i = 0; i < Constants.TOURNAMENT_SIZE; ++i) {
        int randomIndex = (int)(Math.random()*population.size());
        newPopulation.saveIndividual(i, population.getIndividual(randomIndex));
    }
    Individual fittestIndividual = newPopulation.getFittestIndividual();

    return fittestIndividual;
}

人口.java

...
public Population evolvePopulation(Population population) { 
    Population newPopulation = new Population(population.size());

    for (int i = 0; i < population.size(); ++i) {
        Individual firstIndividual = randomSelection(population);
        Individual secondIndividual = randomSelection(population);
        Individual newIndividual = crossover(firstIndividual, secondIndividual);
        newPopulation.saveIndividual(i, newIndividual);
    }

    for (int i = 0; i < newPopulation.size(); ++i) {
        mutate(newPopulation.getIndividual(i));
    }
    return newPopulation;
}
...

个人.java

public void generateIndividual() {
    df = new DecimalFormat(".##");
    for (int i = 0; i < Constants.CHROMOSOME_LENGTH; i++) {
        String gen = df.format((randomGenerator.nextDouble()*(201))-100);
        double gene  = Double.parseDouble(gen);
        genes[i] = gene;
    }
}

结果：

代：1 - 最适合的是：187840.0388

代：2 - 最适合的是：145642.2474

代：3 - 最适合的是：143804.0066

代：4 - 最适合的是：164595.30819999994

代：5 - 最适者为：192525.51659999997

代：6 - 最适合的是：176011.80959999998

世代：7 - 最适者为：165286.99679999996

代：8 - 最适合的是：181544.71279999998

代：9 - 最适者为：180144.33559999996

代：10 - 最适合的是：178226.74199999994

【问题讨论】：

请edit您的问题并在此处包含您的代码。有用吗？
请在您的问题中包含任何必要的代码（作为minimal reproducible example）。指向您的 Google 云端硬盘的链接不合适。
它有效，先生，但我不能得到一个好的结果，而且它不是为了所有世代。请在上面的链接上下载我的代码先生
请帮帮我，我不知道是什么问题

标签： java artificial-intelligence genetic-algorithm

【解决方案1】：

首先，遗传搜索不能保证在任何有限时间内找到最佳解决方案，尽管它可能会很快在其附近收敛。此外，遗传探索不能提供任何手段来证明给定的解决方案实际上是最优的，因此只有在足够好解决方案很好时才应该使用它。

查看您在 S.O. 上发布的代码 sn-ps，我会做出以下观察：

在randomSelection() 中，您随机选择初始种群的一个子集，然后返回该组中最好的个体。我对此的看法是，你想给那些根据适应度函数携带更好基因组的个体提供繁殖优势。对吗？
在evolvePopulation() 中，您随机选择两个父母，然后将它们与交叉步骤结合。然后，您将随机突变应用于生成的基因组，并将其添加到新群体中。

此时我看到了以下问题：如果父母双方都是随机选择的，则绝对不能保证您群体中最优秀的个体确实有机会繁殖。相反，我会随机选择两个父母中的一个，以确保每个人至少有一个孩子。

我也不清楚，因为它没有显示，mutate() 是否总是改变基因组的某些部分，或者这是否仅在给定的低概率下完成。

请务必记住，crossover() 和 mutate() 都可能对您的人口产生破坏性影响：没有任何地方写明应用这些运算符产生的后代是比上一代好。

因此，您似乎错过了selection() 步骤。一个人应该产生比它打算留在新一代中更多的个体，然后在让它们再次繁殖之前杀死所有最坏的个体。

此外，如果您不希望您的搜索暂时退化，您应该在随后的两代中保存最佳个体（或前 N 个最佳个体）。

【讨论】：