我正在尝试实现一种遗传算法，该算法将计算Rastrigin functon的最小值，并且我遇到了一些问题。
我需要将染色体表示为二进制字符串，并且由于 Rastrigin 的函数将数字列表作为参数，如何将染色体解码为数字列表？
您正在寻求实现遗传算法。您的实现应该适用于任何通用的最小化 (或最大化) 问题，而不仅仅是Rastrigin函数。您可以决定实现二进制编码的 GA 或实数编码的 GA。两者都有自己的用途和利基应用。但对你来说，我建议实现一个实数编码的 GA。根据你的问题，如果生成的二进制 5.12：
在你开始实现你自己的版本之前，有一个参考代码总是好的。如果你正在寻找一个 C 实现，实验室的source section有一个 Real Coded GA 实现，它被我们和其他人广泛用于我们的研究工作。我建议你玩它，并尝试一些简单的优化问题。
Pyevolve是一个用于遗传算法和遗传编程的 Python 库。
现在，我们已经讨论了实现内容，您对 GA 的理解是否清楚？如果没有，请参考此tutorial，它从优化的角度介绍了 GA。请注意，二进制编码 GA 的交叉和变异的解释不会自动转移到真实编码的 GA。真实编码的 GA 有其自身的复杂性，您将需要时间来阅读一些论文并理解它们。不着急，但是
为什么需要将染色体表示为二进制字符串?您可以编写使用其他类型的进化算法。您可以使用数字列表。
至于限制值，当您生成种群的初始成员时，请确保随机数在所需的范围内。限制您的变异运算符以避免产生此范围之外的值（您可以截断此范围之外的值，也可以让它们环绕）。
如果您真的必须使用二进制字符串，请查看Gray Code，这是一种以二进制编码数值的方法，使它们更容易发生突变。
将实值问题的解决方案编码为位字符串并不是真正的方法。当您将数字作为位字符串时，您将使用定点数来表示数字。一旦您的算法接近最佳，达到定点编码的精度，它将不会取得进一步的进步。您可以使用更多的位，但是收敛速度会更慢。实际上，在严重的问题上，这种方法在浮点值上的工作速度要比有效的算法慢几个数量级。
在使用典型的 64 位数字时，使用浮点数将使您更接近最优值，例如 1e-10。此外，现代进化算法在优化过程中使用自适应方案来调整变异步骤。与固定的变异步骤相比，这种机制允许更快的收敛速度。检查这个以查看典型的进化优化器在 Rastrigin 函数上实现了什么：http://coco.gforge.inria.fr/doku.php?id=bbob-2010
我假设你在 C.Integers（C语言的 int）可以打包为 4 字节 / char（32 位）的数组。所以如果你的数组是
char* chrom_as_bytes=(...)
您可以通过强制转换为 int * 来获取第 i 个值
int ith=3;
value=((int*)chrom_as_bytes)[ith];
如果一个值不在-5.12 & lt;x & lt;5.12 的范围内，你的拟合函数应该返回一个非常糟糕的值，进化中的这一步应该在下一代被丢弃。
另请参阅Wikipedia中的文章。
本站系公益性非盈利分享网址，本文来自用户投稿，不代表码文网立场，如若转载，请注明出处
评论列表（38条）