高效遗传算法

Question

考虑这个问题:有一个1000个实数正数的向量，找到这1000个元素分成7个部分的optim分区，这样部分的总和就有一个近似(接近)的值。

如何进行染色体表示、算子(变异、交叉)、适应度函数、选择。这样你才能以最有效和最优化的方式解决问题？

我的想法是给每个数字一个索引(例如，最低的数字有索引1，最高的数字有索引1000 )……但我不认为这是最有效的方法？欢迎提出任何建议！

Answer 1

假设你有一个长度为1000的数组，它的值可以从1到7。适应度函数可以计算每个分区的和的差值(越少越好)。然后，突变可以随机地将单个基因的值从它的值更改为随机值，比如102位是4，然后突变为1。使用这种解决方案，您可以保证每个染色体都是有效的解，尽管可能是一个坏的解，因此您不必在每次迭代后检查不遵循问题规则的染色体(如果您选择每个分区有一个染色体，就会遇到这个问题)。与往常一样，在获得最佳性能之前，交叉的标准和突变的可能性需要探索和调整。