问题标签 [genetic]

轮盘赌选择和遗传算法中基于等级的选择有什么区别。

我很困惑现在哪一个最适合我。这就是为什么只想知道差异。

我是一个 Python 菜鸟。要了解我正在制作一个自然选择模拟器，但我有点卡住了。

一点背景：

我列出了具有随机位模式的生物体列表，如下所示：

有机体繁殖，所以我有一个@classmethod允许根据它的父母位模式的组合来创建有机体，如下所示：

在某些时候，我会从生物体中返回基因，如下所示：

def returngene(self): """返回基因"""
return self.gene

这适用于由 . 创建的有机体，chromosone.Chromosone(chromosoneSize)但不适用于用chromosone.Chromosone.makeChromo(newOrganism). 我收到此错误：

更新：我给了我的 makeChromo() 一个回报，就像这样：

但我现在得到这个错误：

returngene() 是一个返回基因（字符串）的简单方法。

我认为我的误解在于@classmethodPython 如何处理类型和对象？

我正在编写自动大学日程安排的应用程序并用于此遗传算法。但现在我在实现方面遇到了一些问题。

一开始我假设我们有持续时间为 1 个时隙（时隙 = 1 小时）的课程，我们可以简单地将其放入数组中（表示时间表网格：容量为 numberOfRooms*numberOfDays*numberOfTimeslots 的一维数组）和也可以毫无问题地执行突变和交叉。

但是知道我想改进应用程序并允许有几个时隙持续时间的课程。这里会出现很多问题：

我们如何将一个类对象放入一个数组中并填充类必须占用的所有槽（几个数组单元）（一个对象 - 几个单元）？并且按照我们将如何将其放入数组中，如何执行变异和交叉操作？提前致谢！我真的很感谢你的帮助！

我正在研究大学调度问题并为此使用简单的遗传算法。实际上它工作得很好，并将目标函数值从 0% 优化到 90%（大约）1 小时。但是随后该过程会急剧变慢，并且需要数天才能获得最佳解决方案。我看到很多论文认为将其他算法与基因混合是合理的。请你给我一些建议，告诉我什么算法可以与遗传算法混合，以及如何应用这种算法来加快求解过程。主要问题是如何将任何启发式方法应用于这种复杂结构的问题？我不知道如何在那里应用，例如贪婪启发式。

提前感谢大家！非常感谢您的帮助！

问题描述：

1. 我有：

   • 由 ScheduleSlot 对象填充的数组
   • 由课程对象填充的数组

2. 我愿意：

   • 标准两点分频器
   • 突变（将随机课程移动到随机位置）
   • 粗选（仅选择 n 个最佳个体进入下一个种群）

@Dougal和@izomorphius的附加信息：
我正在尝试构建一个大学时间表，该课程表在课程、重叠和针对团体和教授的地理分布课程之间没有中断。
适应度函数非常简单：适应度 = -1000*numberOfOverlaps - 1000*numberOfDistrebutedLessons - 20*numberOfBreaks。（或类似的东西，我们可以简单地改变变量的系数）
在开始的时候，我生成我的个人只是将课程放在随机的房间、时间和日期。
如上所述，突变和交叉非常简单：

1. 交叉- 取父调度，随机选择交叉点和交叉范围，只交换父调度的部分，生成两个子调度。
2. 突变 - 采用儿童时间表并将 n 个随机课程移动到随机位置。

我最近开始尝试将 R 作为一种用于基因编程的语言。我一直在缓慢但肯定地越来越多地了解 R 的工作原理及其最佳编码实践。然而，我遇到了障碍。这是我的情况。我有一个大约 700 行的数据集，每行有 400 列左右。我已经将所有参数设置为与列数相同的函数作为参数发送到评估（健身评分）函数中。我想在数据集中逐行进行，并将一行中每一列中的值传递给正在评估的函数。第一个问题是弄清楚如何将参数分别传递给函数。“单独”是指该函数需要 400 个参数，而不是长度为 400 的向量。为此，我使用了以下内容：

其中 parameters 是月份变量 (1-12) 的向量，它附加到数据集中一行中的值。这很好用，我只是使用了一个 for 循环来迭代数据集中的 700 行，然后在 12 个月内使用另一个循环，并使用上面的方法来累积输出向量。问题是这非常慢，每个函数大约需要 24-28 秒。每一代进化我都有 100-500 个函数被发送到这个评估中。底线是这不是要走的路。接下来我尝试使用 sapply 方法，如下所示。

这应用 (1-12) 作为月份，然后应用 (1-700) 作为数据集的行。这花了同样长的时间。有关解决方案的任何想法都会有所帮助。

我使用 JGAP 为原理图生成测试向量。通过将染色体的基因设置为 bits ，我获得了单个测试向量的最大覆盖率。现在我需要用最少的测试向量获得 100% 的覆盖率。

如果我将每个基因设计为测试向量，则 id 需要根据基因数量和总覆盖率计算适应度函数，并且 id 还需要进化染色体长度和每个测试向量（基因）位。

甚至有可能拥有可变长度的染色体吗？

此类任务是否有任何标准设计？

我不确定这是否是问这个问题的最佳地点，但是你们过去对我的大量 CS 作业很有帮助，所以我想我会试一试。

我正在寻找一种算法来盲目地将几个因变量组合成一个索引，以产生与外部变量的最佳线性拟合。基本上，它将使用不同的数学运算符组合因变量，包括或不包括每个变量等，直到开发出与我的外部变量最相关的索引。

有没有人见过/听说过这样的事情？即使你能指出我正确的方向或正确的地方问，我会很感激。谢谢。

我正在研究资源分配问题，在这个问题上我总共有 50000 个资源，我想将它分配到 6 个模块上。目标是

并且 a(i),b(i),c1,c2,c3 和 v(i) 是已知的

并且约束是

w(i)<=w ware i=1 到 6

w(i)>=0 并且

r(i)=1-exp(-b(i)*w(i))/1+2*exp(-b(i)*w(i))>=0.9；即每个模块的 r(i) >= 0.9

所以我需要 W(i) i=1 到 6，总 w 是 50000。

请任何人告诉我我将如何使用遗传算法。

谢谢你。

我想在 C 中创建一个函数树，如下所示： http ://scr.hu/5rq/vdja0

所以基本上我希望结果是这样的：http ://scr.hu/5rq/f04uu

wherex是我可以提供的变量（浮点数）。F0 到 F6 是带有两个参数的随机函数（例如乘法、加法或给出随机数的函数）。所以我的确切问题是：我怎么能做到这一点？我知道可以通过将每个函数给出的精确值存储在数组中来轻松完成。但是，当涉及到获得不同的“x”值时，它就变得复杂了。我最初的想法是创建一个函数，将随机函数附加到树中的每个节点，但是，我不确定应该如何完成构建该树的结构，

我想以某种方式更改行“float *value;” 放入可以存储类似Function1(left->value,right->value);但未运行的函数的东西，而不是具有给定参数的函数的确切值，以及 where Function1()orFunction2()表示将两个参数相除或相乘的函数等等。

不，这不是为了学校，是的，这是我使用基因编程的悲惨尝试。

我有一个数百万行长的数据文件，其中包含来自许多组的信息。下面是一个简短的部分：

我想创建频率 (FREQ) 变量的加权平均值（它本身很简单），但是在这种情况下，某些行不匹配（第 3 行和第 4 行）。如果字母没有对齐，则在计算该标记的加权平均值之前，需要将第二组的频率减去 1。

我想设置一个简单的 IF 语句，但我不确定这样一个任务的语法。

任何见解或方向表示赞赏！