Question

我正在尝试将遗传算法应用于8个皇后难题。我已经对整个算法进行了编码，但是当它找到有6个未击中的皇后的解决方案并且无法克服时，就会不断陷入困境。我觉得这里存在一些多样性问题，但我不知道该怎么办。我的问题是这种认识出了什么问题，为什么它一直卡在6个未击中的皇后身上而无法做出最终决定？我已经检查了所有代码，并且认为对算法本身的发展有一些误解。这就是为什么我附加了整个代码。所以我希望有人能告诉我我做错了什么。预先感谢。

    def mutate(self, children):
        rnd.seed()
        count = 0
        for child in children:
            count += 1
            if rnd.random() < self.mut_prob:
                i = rnd.randrange(0, 7)
                ind = child[i].index(1)
                child[i][ind] = 0
                j = rnd.randrange(0, 7)
                child[i][j] = 1



    def solve(self, min_fitness= 7, max_epochs=100):
        prev_pop = self.initial_population()
        epochs = 0
        max_fitness = 0

        while (max_fitness <= min_fitness) and (epochs < max_epochs):
            fitness = self.fitness_function(prev_pop)
            fitness.sort(key=lambda tup: tup[1])

            best_sol = fitness[len(fitness) - 1][0]
            max_fitness = fitness[len(fitness) - 1][1]
            mating = self.roulette(fitness)

            mating_chromes = []
            pop = copy.deepcopy(prev_pop)
            for chrom in mating:
                mating_chromes.append(pop[chrom])
            pop.clear()

            children = self.crossover(mating_chromes)
            self.mutate(children)
            fit = self.fitness_function(prev_pop)


            to_destroy = self.reduction(fitness)

            for el in to_destroy:
                prev_pop[el] = children.pop(0)

            epochs += 1
        print(max_fitness)
        print(epochs)
        for el in prev_pop[best_sol]:
            print(el)
            print("\n")
        print("im fine")
        return 0

s = Solver_8_queens()
arr = s.solve()

Answer 1

代码的一个问题是您使用Python函数random.randrange()的方式。 documentation表示randrange(a, b)将返回一个随机数x，以使a <= x < b（注意，不包括b）。

当您编写类似i = random.randrange(0, 7)的内容时，您将从半开区间[0, 7)中获得一个随机数，而您（最可能）想要的是封闭区间[0, 7]中的数，因为电路板尺寸为8x8。因此，请检查对randrange()的所有呼叫，如果它们不正确，请进行修复，以查看是否可以解决问题。

八皇后难题的遗传算法

1 个答案: