问题标签 [genetic]

由于我是 python 编程的新手，所以我很难编写 python 程序。我试图在一个长列表中计算一组七个对象（？），三个数字和标签。然后我需要找出哪一组数字（以三的倍数）在列表中具有最大数量。数字由制表符分隔，数字集以七为单位。例如：

列表中的第一组数字和制表符是 128、130、140、145、制表符、制表符、制表符。列表中的第二组数字和制表符是 283、379、制表符、制表符、制表符、制表符、制表符。最后，列表中的第三组数字是 175、183、187，tab，tab，tab，tab。

我想计算七组数字和制表符中的三位数字，然后有一个最大输出数，其中一组显示最多三位数字。例如：

在此示例中，最终输出数字应为 4，因为第一组七个对象显示了最多的 3 位数字。这是我目前拥有的。

我将不胜感激任何想法或疑虑。

我想问一下这是否有意义，如果有，是否有任何尝试？

澄清问题：

当编译器制造商在优化器上工作时，他们试图让编译器根据目标架构吐出最好的汇编序列，对吗？
所以从这个意义上说，他们必须想象在案例 X 中使用的最佳指令是什么。所以我想象在设计过程中，他们会凭直觉使用他们的组装知识，以及一些带有典型案例基准测试的试错过程（代码片段）它们以优化器为目标。

但是，如果汇编代码的编译器输出选择可以由遗传算法决定，该遗传算法将简单地尝试使用两个标准：“尊重客户端意图不变”和“执行测试的速度越快越好”。
使用它，似乎可以通过向元优化器提供数千个代码片段来优化来准备优化器，学习优化它们的最佳方法，然后是最终的优化器工作（如“最终编译器中交付的那个”） ) 将检测哪个片段与正在解析的客户端代码相似并应用翻译。

我希望我很清楚。我不是建议在客户端代码编译期间使用 GO 的编译器，而是建议嵌入 GO 找到的结果的静态形式的编译器（在编译器制造商的实验室中运行）。

我正在使用 R 中的 genalg 包进行一些优化。有没有办法从过去几代人中获得最适合的染色体？我正在寻找其他“足够接近”的解决方案，但在我看来， rbga 对象中的所有信息都来自当前（最终）一代。

例如，我能否得到 100 条染色体在 400-500 代中返回最低评估值？

编辑：我想我可以运行这个函数

对于迭代 = (400, 401, 402, ..., 498, 499, 500)，并在每一代之后拉出最好的，但这会非常慢。

我一直在寻找一些答案，但找不到任何有用的东西。

我正在做一个遗传学项目，我需要创建一个脚本，可以从传递的遗传学中生成一个punnett square。

我将使用的东西类似于bbEe x bbEe，但可能有更长的字符串，例如bbEeWwss x bbeeSS.

然后它可能会导致类似bbee, bbEe,bbEE

我有过使用数组来分割等位基因并将它们组合起来的想法，但我觉得这可能是非常昂贵的资源。

有没有一种聪明的方法可以实现我想要做的事情？

感谢您提供任何信息，安迪

我一直在尝试在 python 中创建一个遗传算法，但我要么得到：

或者它不打印。我尝试重新排列函数，并直接调用该函数，但它仍然没有输出任何内容。我似乎遇到了与功能有关的问题bestsol()。

由于我是 python 新手，即使在尽我所能搜索互联网之后，我也无法理解。任何帮助将不胜感激。

我正在查看我找到的这段代码，但我无法弄清楚如何打印获胜者。本质上，我正在尝试生成一个遗传算法，该算法将生成一个 N 个数字，总和为 X。这个问题在 Lethian 上得到了解决：http: //lethain.com/genetic-algorithms-cool-name-该死的简单/ 但我似乎无法弄清楚如何打印进化的结果。

下面是一些示例代码：

任何帮助将非常感激！

我正在开发一种基因应用程序。用户将选择要搜索的数据库文件。

系统应该这样做：

1. 找到以前版本的数据库文件。
2. 找出 2 个数据库文件之间的差异。
3. 将差异放在第三个文件中。
4. 然后对新文件（第三个）执行搜索。

数据库文件很大（300 GB 基因组数据）。我使用 Windows 作为操作系统，我的应用程序是用 js、PHP、Perl 和 HTML 编写的。

找出这些文件之间差异的最佳方法是什么？

Since we expect feasible solution from Genetic Algorithm, So will genetic algorithm provides different output every time with same input set?

我有以下一直困扰着我的大学作业。我必须实现一种将进程分配到处理器中的遗传算法。更具体地说，问题如下：

“您有一个在并行处理器系统中计算的程序。该程序由 N 个进程组成，这些进程需要在多个处理器上分配（其中 n 远小于 N）。在此期间进程的通信整个过程可能非常耗时，因此最佳做法是将需要相互通信的进程分配给同一处理器。

为了减少进程之间的通信时间，您可以将这些进程分配给同一个处理器，但这会否定每个处理器都需要为整个进程做出贡献的并行处理理念。

考虑以下内容：假设 Cij 是进程 i 和进程 j 之间的通信总量。假设每个进程需要相同数量的计算能力，以便可以通过将相同数量的进程分配给处理器来处理处理过程的限制。使用遗传算法将 N 个进程分配给 n 个处理器。”

以上是对问题描述的大致翻译。现在我有以下问题让我感到困惑。

1）为了让遗传算法运行，最好的可行解决方案是什么。我有他们背后的理论，我推断你需要一个最好的解决方案来检查每一代生产的人口。

2）如何正确设计整个问题以便由程序处理。

我计划在 Java 中实现这一点，但欢迎对其他编程语言提出任何其他建议。

我想计算这里显示的函数 CROSS-IN-TRAY 的最大值：

所以我在Matlab中做了这个功能：

我将整个公式乘以 (-1)，所以函数是反转的，所以当我要寻找反转公式的最小值时，它实际上是原始公式的最大值。

然后，当我使用优化工具并选择 GA 算法并将下限和上限定义为 -3 和 3 时，它显示了大约 60 次迭代后的结果，大约为 0.13，最终点类似于 [0, 9.34]。最后一点怎么可能不在边界定义的范围内？这个函数的实际最大值是多少？