【问题标题】:Crossover for Genetic Algorithms converging to identical population收敛到相同种群的遗传算法的交叉
【发布时间】:2021-03-26 14:38:46
【问题描述】:

我正在为 OneMax 算法做一个项目,但我遇到了交叉问题。

在整个迭代过程中,我采用最高“部门”的人员并循环遍历 他们。

对于偶数,我分配了 5 个奇数人,他们将与之交叉(即 0、4、8、12 和 16 都匹配 1、2、3、5、7 和 9,然后是 2、6、10, 14,18 都与 11, 13, 15, 17, 19 匹配)。这是为了确保没有重复。

然后我选择一个随机交叉点并拆分列表,然后将列表拆分并返回为父 A 和 B 的 2 个拆分列表,然后可用于生成子 A 和 B。

我的问题是,经过几次迭代后,总体收敛到完全相同的位串。

任何帮助将不胜感激!

代码:

跨界

def crossover(top20):
    end = len(top20) - 1

    newPop = []

    # Person A crosses over with a list of 5 people

    for i in range(0, end, 2):
        crossPoint = (random.randint(1, len(range(stringLen - 2))))
        crossPoint2 = stringLen - crossPoint

        if i % 4 == 0:
            peopleB = [1, 3, 5, 7, 9]
        else:
            peopleB = [11, 13, 15, 17, 19]

        personA = pop[top20[i]]

        for j in range(len(peopleB)):
            personB = pop[top20[peopleB[j]]]

            sizes = [crossPoint, crossPoint2]
            parA1, parA2 = splitList(sizes, personA)
            parB1, parB2 = splitList(sizes, personB)

            childA = list(chain(parA1, parB2))
            childB = list(chain(parB1, parA2))
            newPop.append(childA)
            newPop.append(childB)

return newPop

拆分列表

def splitList(sizes, ls):
    par1 = []
    par2 = []

    for s in range(stringLen):
        if s < sizes[0]:
            par1.append(ls[s])
        else:
            par2.append(ls[s])

    return par1, par2

这是文件gist的链接

编辑:另一件事是它总是停在一个精确到数百的数字上。就像它会在 16.00 的平均值处停止,而所选顶部的总和将正好是 8000

【问题讨论】:

标签: python artificial-intelligence genetic-algorithm


【解决方案1】:

这是我用 3 种方法解决 OneMax 问题的最终产品,一种是常规的最大问题(即尝试全部为 1),2 是进化到目标字符串,3 是欺骗性景观。它可以在这里找到gist

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2020-12-03
    • 2021-12-26
    • 1970-01-01
    • 1970-01-01
    • 2014-08-12
    • 2016-08-31
    • 1970-01-01
    相关资源
    最近更新 更多