电动汽车配流的遗传算法技术

Question

我试图解决的问题是关于电网中电动汽车(EVs)的最佳分配。我的网格有20个可能的位置(母线)，允许每个位置接收一辆电动汽车。每条染色体的长度为20，其基因可以是0或1，其中0表示没有EV，1表示在该位置(母线)存在EV。

我从随机分配的固定数量的电动汽车(例如，5辆)开始我的种群(100个个体)。让它们通过我的GA进化。GA利用锦标赛选择、2点交叉和翻转位变异。每条染色体/个体都通过一个适应度函数进行评估，该函数计算条之间的功率损失(RI^2之和)。最好的染色体是具有最低功率损耗的染色体。

问题是，利用两点交叉和翻转位突变改变了必须在网格中的电动汽车的固定数量。我想知道对我的GA操作最好的技术是什么。除此之外，我还得到了这张奇怪的图片，上面是几代1中最适合的染色体

如果有任何帮助/建议，我将不胜感激。谢谢。

Answer 1

您希望以这样一种方式定义您的状态空间，即您选择的突变不会创建非法配置。

这可能不太适合遗传算法。如果你想从20个中选择5个，有大约15k个可能性。在50代人中测试100个人已经给了你足够的计算来完成三分之一的蛮力工作。

Answer 2

如果你有N个EV可以在你的网格上分配，你可以使用大小为N的染色体，每个基因是一个整数代表EV的位置。对于交叉，首先需要将两个父代中相同的值与其余值分开，并在不同的部分应用经典的(1或2点)交叉，然后随机突变一个基因，选择一个有效的可用位置。