R中带有NSGA-II的二进制编码GA

Question

我有一个多目标最小化函数。我想在 R 中使用 NSGA-II。为此有一些软件包：nsga2R 和 mco。但是这些包不支持二进制编码的染色体。由于我的问题结构，在我的适应度函数中，我需要二元染色体来获得最佳解决方案。有没有办法在 nsga2（或者可能使用不同的算法）中为 R 使用二进制编码的染色体？谢谢。

Answer 1

我遇到了同样的问题，所以我决定自己解决它。但不保证方法是否正确。

以下部分是针对包'mco'
我将官方 nsga2 实现中的部分内容复制到“mco”包中。 此解决方法仅适用于二进制 (0-1) 变量。

1.在/src/nsga2.c中重写函数如下：

static void mutate_ind (nsga2_ctx *ctx, individual *ind) {
  int j;
  double prob;
  GetRNGstate();
  for (j = 0; j < ctx->input_dim; j++)
    {
    //for (k=0; k < ctx[j]->input_dim; k++)
    //{
      //prob = randomperc();
      prob = unif_rand();
      if (prob <= ctx->mutation_probability) {
        if (ind->input[j] == 0)
        {
          ind->input[j] = 1;
        }
        else
        {
          ind->input[j] = 0;
        }
        ctx->input_mutations+=1;
      }
    //}
  }
  PutRNGstate();

然后

static void crossover (nsga2_ctx *ctx,
                       individual *parent1, individual *parent2,
                       individual *child1, individual *child2) {

  
  int i;
  int nbits=1;
  double rand;
  int temp, site1, site2, temp2, temp3;
  
  GetRNGstate();
  
    rand=unif_rand();
    if (rand <= ctx->crossing_probability)
    {
      ctx->input_crossings++;
      //site1 = rnd(0,ctx->input_dim);
      //site2 = rnd(0,ctx->input_dim);
      if(unif_rand()<=0.5){
        temp2=0;
      }else{
        temp2=1;
      }
      
      if(unif_rand()<=0.5){
        temp3=0;
      }else{
        temp3=1;
      }
      
      site1=temp2;
      site2=temp3;
      
      if (site1 > site2)
      {
        temp = site1;
        site1 = site2;
        site2 = temp;
      }
      for (i=0; i<site1; i++)
      {
        child1->input[i] = parent1->input[i];
        child2->input[i] = parent2->input[i];
      }
      for (i=site1; i<site2; i++)
      {
        child1->input[i] = parent2->input[i];
        child2->input[i] = parent1->input[i];
      }
      for (i=site2; i<nbits; i++)
      {
        child1->input[i] = parent1->input[i];
        child2->input[i] = parent2->input[i];
      }
    }
    else
    {
      for (i=0; i<nbits; i++)
      {
        child1->input[i] = parent1->input[i];
        child2->input[i] = parent2->input[i];
      }
    }

  PutRNGstate();
}

和

static void population_initialize(nsga2_ctx *ctx, population *pop) {
  GetRNGstate();
  int i, j;
  for (i = 0; i < pop->size; ++i)  {
    for (j=0; j<ctx->input_dim; ++j) {
      /* Generate random value between lower and upper bound */
      //double delta = ctx->upper_input_bound[j] - ctx->lower_input_bound[j];
      //pop->ind[i].input[j] = ctx->lower_input_bound[j] + delta*unif_rand();
	  if(unif_rand() <= 0.5){
		  pop->ind[i].input[j] = 0;
	  }
	  else{
		  pop->ind[i].input[j] = 1;
	  }
    }
  }
  PutRNGstate();
}

2.定义函数randomperc()如下

double seed;
double oldrand[55];
int jrand;

/* Create next batch of 55 random numbers */
void advance_random ()
{
  int j1;
  double new_random;
  for(j1=0; j1<24; j1++)
  {
    new_random = oldrand[j1]-oldrand[j1+31];
    if(new_random<0.0)
    {
      new_random = new_random+1.0;
    }
    oldrand[j1] = new_random;
  }
  for(j1=24; j1<55; j1++)
  {
    new_random = oldrand[j1]-oldrand[j1-24];
    if(new_random<0.0)
    {
      new_random = new_random+1.0;
    }
    oldrand[j1] = new_random;
  }
}

/* Fetch a single random number between 0.0 and 1.0 */
double randomperc()
{
  jrand++;
  if(jrand>=55)
  {
    jrand = 1;
    advance_random();
  }
  return((double)oldrand[jrand]);
}

3. 将 'nsga2.c' 中的每个 unif_rand() 替换为 randomperc()

4.在R中构建包