如何进行python列表元素组合的遗传进化？

Question

我是一名Python程序员，在这种情况下，我必须模拟列表元素组合的遗传进化。 这个想法如下：

li #initial list
combinations=get_combinations(li) #not all possible combinations
results=[]
for c in combinations: results.append(do_stuff(li)) #do_stuff returns percantage of accuracu

最后，我有两个列表：combinations，它保留了li元素和results的某些组合，为每个组合保留了精确度。我们的想法是选择具有最高精度的组合。

无法检查li的所有组合 - 这需要数月的计算时间。我必须从一些随机开始（我猜？）然后以最好的方式工作。我应该使用什么库？如何在这里模拟进化？

编辑：

或者：元素集演变，直到达到k％以上的准确度。

Answer 1

你基本上有四种可能性：

1。探索所有组合

然而，随着组合数量呈指数增长，这是难以处理的。

2。随机搜索

生成随机组合，直到你得到一个足够好的。

3。本地搜索

从一些组合开始。然后对它做一个小改动。如果新的优于当前的那个，则将其设置为当前的并重复该过程。

可以大大改进上述方法。根据我的经验，最好的改进之一是Simmulated Annealing

4。进化算法

使用模拟自然进化的算法。最基本的进化算法看起来像这样：

• 初始化一组候选解决方案。

• 直到不符合停止条件：

  1. 从人群中选择两个候选解决方案，其中更好的解决方案具有更高的被选中率。
  2. （可选*）重新组合两个解决方案（不知何故，取决于表示），即将它们组合在一起以创建新的解决方案。
  3. （可选*）略微更改（或改变）新解决方案。
  4. 将新的解决方案重新投入人口，放弃一些不够好的解决方案（以保持人口规模不变）。

• 必须存在重组或突变。通常每个都是以一些概率执行的。

挑战在于寻找一种能够进行有效重组和突变的良好代表。