如何进行python列表元素组合的遗传进化？

Question

我是一名 Python 程序员，遇到了一种情况，我必须模拟列表元素组合的遗传进化。 思路如下：

li #initial list
combinations=get_combinations(li) #not all possible combinations
results=[]
for c in combinations: results.append(do_stuff(li)) #do_stuff returns percantage of accuracu

最后我有 2 个列表：combinations，它保留了 li 元素和 results 的一些组合，它为每个组合保留了一个百分比值或准确性。我们的想法是选择准确度最高的组合。

检查li 的所有组合是不可能的——这需要几个月的计算。我必须从一些随机开始（我猜？），然后努力做到最好。我应该使用什么库？如何在这里模拟进化？

编辑：

或者：元素集不断演化，直到准确率超过 k%。

Answer 1

你基本上有四种可能：

1。探索所有组合

然而，随着组合的数量呈指数增长，这将变得棘手。

2。随机搜索

生成随机组合，直到获得足够好的组合。

3。本地搜索

从一些组合开始。然后对其进行小改动。如果新的比当前的好，则将其设为当前的并重复该过程。

上述方法可以大大改进。最好的改进之一（根据我的经验）是Simmulated Annealing

4。进化算法

使用模拟自然进化的算法。最基本的进化算法是这样的：

• 初始化一组候选解决方案。

• 直到不满足停止条件：

  1. 从总体中选择两个候选解决方案，其中更好的解决方案更有可能被选中。
  2. （可选*）重新组合两个解决方案（不知何故，取决于表示形式），即将它们组合在一起以创建新的解决方案。
  3. （可选*）稍微更改（或改变）新解决方案。
  4. 将新的解决方案放回人口中，丢弃一些其他不够好的解决方案（以保持人口规模不变）。

• 必须存在重组或突变。通常每个都以某种概率执行。

挑战在于找到一种允许有效重组和突变的良好表示。