为什么每个解决方案（或基因型）有多个染色体？

Question

我正在尝试开始使用Jenetics JAVA库进行遗传算法，而且我从GA有限的背景中无法理解这些内容;

据我所知，GA生成一组m元素的数组，其中每个数组都是一个待评估的潜在解决方案，一旦评估，潜在的解决方案将被排序，并选择最佳解决方案来创建新的人口但是我发现Jenetics中的解决方案（基因型）是一个数组列表，其中每个数组都是我理解的潜在解决方案，每个数组也可以有不同的长度，我不明白为什么使用这个结构而不是基因载体。

见the manual第6页，第3.1.3节。

如果可能，我想知道为什么会这样。我希望这个问题足够明确。

Answer 1

＆＃34;数组＆＃34;在群体中收集潜在溶液（Phenotpyes /基因型）。基因型代表一种可能的解决方案。不要被基因型的二维结构所困惑，它应该为您提供额外的灵活性来建模更复杂的问题。基因型仍然代表一种可能的解决方案和人口的一个个体。

可以轻松创建经典二进制GA的基因型：

Genotype<BitGene> gt = Genotpe.of(BitChromosome.of(15));

另请参阅manual中的域模型，图3.1。第6.1节试图为您提供其他编码示例。

jenetics，genetic-algorithm

Answer 2

您所描述的是基本遗传算法中的人口。有许多技术可以改进它，其中之一就是自适应编码。

您正在寻找的术语是在自适应编码技术下的（修饰的）基因库重组。

基因库重组在整个人口中运作，而不是单个单位并且进化人口。它可能会也可能不会保持相同的结构。

从生物学角度看这个想法：

• 在自然界中，首先是更简单的生物，然后它们演变成更复杂的生物。

相同的动机可以与遗传算法一起使用。在乞讨时，有更简单的单位可以随时间演变 - 换句话说，解决方案的长度和结构不必是恒定的。

没有简单的方法可以对GA的信息进行通用编码，因此您必须针对手头的每个问题考虑它。您可能需要也可能不需要基因库重组，基本二进制编码或基本比例选择。这些选项在很大程度上取决于您尝试解决的问题，以及算法所采用的解决方案/时间的精确度。

表示基因载体的基本二进制编码很简单，但GA在寻找最近邻居方面效率低下有缺点。

请考虑以下示例：

• 有解决方案15和16（01111,10000）

• 这两个数字之间的汉明距离为5

对于GA从15更改为16，应更改所有5位。因此，GA存在邻居离散数的问题。改善这种情况的一种方法是使用格雷码，让所有解决方案之间的距离为1。