Question

我正在使用Jenetics库来解决ga的问题。我正在扩展官方的例子，使用这样的几条染色体：

    List<BitChromosome> arr = new ArrayList<>();
    arr.add(BitChromosome.of(16, 0.5));
    arr.add(BitChromosome.of(16, 0.5));
    arr.add(BitChromosome.of(16, 0.5));
    Factory<Genotype<BitGene>> gtf = Genotype.of(arr);

并将eval函数更改为恰好有8个1和8个0：

    private static int eval(Genotype<BitGene> gt) {
    return 10 - Math.abs(gt.getChromosome()
            .as(BitChromosome.class)
            .bitCount()-8);

其他部分保持不变：

    // 3.) Create the execution environment.
    Engine<BitGene, Integer> engine = Engine
            .builder(Test1::eval, gtf)
            .build();

    // 4.) Start the execution (evolution) and
    //     collect the result.
    Genotype<BitGene> result = engine.stream()
            .limit(100)
            .collect(EvolutionResult.toBestGenotype());

我期待ga产生3条染色体，使这个eval功能最大化，但我得到了：

[01110010|00010111,01000000|00000100,10011101|01110110]

如您所见，只有第一个结果满足条件。我如何扩展这个例子，以便所有染色体都能最大化评估功能？

Answer 1

这正是我在查看健身功能后所期望的。您仅使用第一条染色体来计算适合度。 Genotype.getChromosome()方法返回第一条染色体。它是Genotype.getChromosome(0)的快捷方式。你的健身功能不考虑另外两条染色体。

使用Jenetics只有一条染色体显示出良好的结果

1 个答案: