我试图了解遗传算法的工作原理。就像我通过尝试在我身上写东西而学到的一切;然而,我的知识非常有限,我不确定我是否正确地做到这一点。
这个算法的目的是看看,如果有一半的人已经被感染,那么一半的牛群会感染疾病需要多长时间。这只是我想到的一个例子,所以我不确定这是否是一个可行的例子。
关于如何提高我的知识的一些反馈会很好。
以下是代码:
import random
def disease():
herd = []
generations = 0
pos = 0
for x in range(100):
herd.append(random.choice('01'))
print herd
same = all(x == herd[0] for x in herd)
while same == False:
same = all(x == herd[0] for x in herd)
for animal in herd:
try:
if pos != 0:
after = herd[pos+1]
before = herd[pos-1]
if after == before and after == '1' and before == '1' and animal == '0':
print "infection at", pos
herd[pos] = '1'
#print herd
pos += 1
except IndexError:
pass
pos = 0
generations += 1
random.shuffle(herd)
#print herd
print "Took",generations,"generations to infect all members of herd."
if __name__ == "__main__":
disease()
答案 0 :(得分:2)
您的代码未实现GeneticAlgorithm
。我建议你先从一个开源库开始,在你实现自己的(如果需要的话)
要获得遗传算法,您需要以下内容:
1-您尝试最小化的目标函数
2-染色体表示(例如实际值),用于对目标函数中的决策变量进行建模。您的目标是找到最小化目标函数的最佳染色体
3-开始搜索的初始染色体群(可以是随机的)
4-遗传算子,即适用于当前人群以进入下一代的选择,交叉和变异
5-迭代,直到达到停止标准,例如最大生成数或所需适合度值
这只是遗传算法实现应该具有的简要描述。