缩水版遗传算法 学习笔记

遗传算法是在随机的初始数据下，经过一段时间的变化，最后收敛得到针对某类特定问题的一个或者多个解。

主要步骤有编码 选择 交叉 变异

这里以一个极其简单的探索迷宫出路的代码为例 增加对遗传算法的感性认识。

 

编码 
2,3,4,1,1,1,1,1,1,1,1,1,1,1,1, 
1,8,1,0,0,0,0,0,0,0,1,0,0,1,1,
1,0,1,0,1,0,1,1,1,0,0,0,0,0,1,
1,0,1,0,1,0,1,1,1,1,0,1,0,1,1,
1,0,0,0,1,0,0,0,0,0,0,1,0,5,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1

我们定义这样一个迷宫 
1表示为不可到达地点 
0表示可通过区域
5是起点 8是终点
我们再定义一系列行走出迷宫的行走方向数组 walk[TestStep](walk[50]).这个数组记录了走50步的方向
方向使用0-3来代替 0 表示向上走，1表示向下走，2表示向左走，3表示向右走。然后测试这一系列走法在迷宫能达到的坐标，以达到的位置和终点的X\Y的差值的倒数作为这个走法的评分
price = 1/(1.0+(abs(exitIndex.x-vMethods[i].currentPosIndex.x)+abs(exitIndex.y-vMethods[i].currentPosIndex.y)));

考虑到X\Y的差值可能为零，所以额外加了一个1.0；以上就是编码的步骤；

 

选择

作为进化演变下一代的元素，我们需要选择评分比较高的走法

通常的办法是轮盘赌选择 根据评分的高低 决定其被选中的几率

 

各个个体被选中的概率与其适应度函数值大小成正比。设群体大小为n ，个体i 的适应度为 Fi，则个体i 被选中遗传到下一代群体的概率为：

比如说

走法A 评分0.5

走法B 评分0.2

走法C 评分0.3

那么根据一个随机范围为0-99的随机数

如果数目在0-49之间 则选择走法A

如果数目在50-69之间则选择走法B

如果数目在70-99之间则选择走法C

我的代码中 写的比较简单 直接选择评分在前一半的作为进化演变的元素

int index1 = rand()%(TrySize/2);

int index2 = rand()%(TrySize/2);

缺点是可能逐步演化中 族群的走法都慢慢接近 甚至编程一样 从未导致没有变化 得不到正确结果

优点是 代码简单

 

 

交叉

2个元素交换部分结构，来构造下一代新的元素

例如

走法A 01230123 0123

走法B 12301230 1230

构造下一代走法

01230123 1230

代码中为

Method m = CrossOver(vMethods[index1],vMethods[index2]);

 

 

突变

对元素数据进行小概率的调整 以调整进化的集中性 避免所有元素同一化

代码中是以25%的概率 对某一步的走法进行调整

if((rand()%100)>75)

{

int index = rand()%TestStep;

 m.walk[index] = direction(rand()%4);

}

本节代码属于实验性代码 对具体参数和一些算法都做了简化 只是加深对算法的理解 方便入门

至于算法的选择 参数优化调整的理论依据 均未涉及 需要学习理论教程书籍

代码如下

  1 #include <iostream>  2 #include <ctime>  3 #include <cstdlib>  4 #include <vector>  5 #include <algorithm>  6   7 using namespace std;  8   9 int mapArray[6][15] = { 2,3,4,1,1,1,1,1,1,1,1,1,1,1,1, 10                         1,8,1,0,0,0,0,0,0,0,1,0,0,1,1, 11                         1,0,1,0,1,0,1,1,1,0,0,0,0,0,1, 12                         1,0,1,0,1,0,1,1,1,1,0,1,0,1,1, 13                         1,0,0,0,1,0,0,0,0,0,0,1,0,5,1, 14                         1,1,1,1,1,1,1,1,1,1,1,1,1,1,1}; 15 struct Point{ 16     int x; 17     int y; 18 }; 19  20 Point startIndex = {4,13}; 21 Point exitIndex = {1,1}; 22  23 enum direction{ 24     Mup =0, 25     Mdown , 26     Mleft , 27     Mright }; 28  29 #define TestStep    50 30 #define TrySize     50 31  32  33 struct Method{ 34     direction walk[TestStep]; 35     Point   currentPosIndex; 36     double price; 37 }; 38  39 vector<Method> vMethods; 40 vector<Method> vNewMethods; 41  42  43 bool SortByPrice(const Method& obj1,const Method& obj2) 44 { 45     return obj1.price>obj2.price; 46 } 47  48 void InitRandomWalk(direction walk[]){ 49     for(int i = 0;i< TestStep;++i){ 50         walk[i] = direction(rand()%4); 51     } 52 } 53  54 bool Walk(Point& currentPosIndex,direction walk[],int length){ 55     for(int i = 0;i< TestStep;++i){ 56         if(walk[i] == Mup){ 57             if( (currentPosIndex.x-1)>=0 && 58                mapArray[currentPosIndex.x-1][currentPosIndex.y] != 1){ 59                 currentPosIndex.x -= 1; 60             } 61         }else if(walk[i] == Mdown){ 62             if( (currentPosIndex.x+1)<=5 && 63                mapArray[currentPosIndex.x+1][currentPosIndex.y] != 1){ 64                 currentPosIndex.x += 1; 65             } 66         }else if(walk[i] == Mleft){ 67             if( (currentPosIndex.y-1)>=0 && 68                mapArray[currentPosIndex.x][currentPosIndex.y-1] != 1){ 69                 currentPosIndex.y -= 1; 70             } 71         }else if(walk[i] == Mright){ 72             if( (currentPosIndex.y+1)<=14 && 73                mapArray[currentPosIndex.x][currentPosIndex.y+1] != 1){ 74                 currentPosIndex.y += 1; 75             } 76         } 77         if(currentPosIndex.x == exitIndex.x && currentPosIndex.y == exitIndex.y){ 78             return true; 79         } 80     } 81  82     return false; 83 } 84  85 Method CrossOver(const Method& m1,const Method& m2){ 86     int i = rand()%TestStep; 87     Method m; 88  89     for(int j = 0; j <= i ;++j){ 90         m.walk[j] = m1.walk[j]; 91     } 92  93     for(int k =i;k < TestStep;++k){ 94         m.walk[k] = m2.walk[k]; 95     } 96     return m; 97 } 98  99 bool run(){100 101     for(int i = 0;i < TrySize;++i){102        vMethods[i].currentPosIndex.x = startIndex.x;103        vMethods[i].currentPosIndex.y = startIndex.y;104        if(Walk(vMethods[i].currentPosIndex, vMethods[i].walk,TestStep)){105            cout << "walk to exit!!!" << endl;106            return true;107        }108        vMethods[i].price = 1/(1.0+(abs(exitIndex.x-vMethods[i].currentPosIndex.x)+abs(exitIndex.y-vMethods[i].currentPosIndex.y)));109        cout << "current pos:\t" << vMethods[i].currentPosIndex.x <<" " << vMethods[i].currentPosIndex.y <<"\tprice:"<< vMethods[i].price<< endl;110     }111 112     sort(vMethods.begin(),vMethods.end(),SortByPrice);113     for(int i = 0 ; i <TrySize;i++){114         int index1 = rand()%(TrySize/2);115         int index2 = rand()%(TrySize/2);116 117 //        for(int k = 0 ;k<TestStep;++k){118 //            cout << vMethods[index1].walk[k];119 //        }120 //        cout << endl;121 122       Method m = CrossOver(vMethods[index1],vMethods[index2]);123        if((rand()%100)>75)124        {125            int index = rand()%TestStep;126            m.walk[index] = direction(rand()%4);127 128        }129        vNewMethods.push_back(m);130 //        for(int k = 0 ;k<TestStep;++k){131 //            cout << vMethods[index1].walk[k];132 //        }133 //        cout << endl;134     }135     vMethods = vNewMethods;136     vNewMethods.clear();137     return false;138 }139 140 141 142 143 144 int main(int argc, char *argv[])145 {146     vMethods.clear();147     srand( (unsigned)time( NULL ) );148     for(int i = 0;i < TrySize;++i){149         Method m;150         InitRandomWalk( m.walk);151         vMethods.push_back(m);152     }153 154     int64_t count = 0;155     while(!run()){156         count++;157     }158     cout << "run " << count << " times." << endl;159 160 161     return 0;162 }