首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >建立具有多重、无关约束的目标函数的适应度函数?

问建立具有多重、无关约束的目标函数的适应度函数?
EN

Stack Overflow用户
提问于 2019-08-17 20:46:21
回答 1查看 129关注 0票数 2

摘要:如何为一个问题创建一个适应度函数,其中我希望最小化一个量(质量),但对其他量有限制(最大加速度和最大速度需要小于某个值)?此外,我将如何得到一个遗传算法,以实际改变模型中的参数(将在下面解释更多)。

上下文:我正在做一个项目(火箭模拟),在那里我想让火箭安全着陆,尽量减少燃料的使用,并确保最大限度。加速和速度对里面的宇航员是安全的。用户控制的唯一东西是给定高度下所需速度的形式:v= f(x)。也许,我可以把我的问题分为以下几部分:

1)如果不输入f(x)的形式,是否有可能使遗传算法形成自己的“优化”函数?

2)如果可能的话,我将如何实现成本函数?-一些搜索使我找到某种形式:健身=(权重)*mass_fuel_left-对每个违反的约束进行惩罚。

3)如果我能够得到一个函数,我如何才能让程序在不同的迭代过程中运行?

(这是为MATLAB或Python编写的-我已经有了用于模拟的工作代码,但我只想探索这个可能的扩展)

我非常感谢你对有用的资料来源的任何帮助或指导。

EN

回答 1

Stack Overflow用户

发布于 2019-08-17 22:05:13

我不知道你的系统是如何工作的,但我想你只是给程序提供了一个给定的函数,它模拟着陆,跟踪重要的参数,如燃料质量,最大加速度和速度,对吗?所以,就像模拟本身是某种黑匣子,你不知道引擎盖下到底是如何工作的。如果是这样的话,你基本上只要拿出一个函数,把它输入模拟,它就会告诉你它是否通过了,油箱里还剩下了多少燃料。

在这种情况下,您的健身功能非常简单:

代码语言:javascript
复制
function fitness(Fx) {
    result = simulate(Fx);
    if(!result.pass) return -1;
    return result.fuelLeft;
}

这只是伪代码,基本上它以我们的遗传算法样本f(x)函数作为输入,然后用它进行仿真:如果模拟没有通过(宇航员死亡),那么样本是不好的(请记住,杀人并不是一种惩罚,这是永远不会发生的事情,所以当他们死的时候,样本甚至不应该运行以供选择),如果模拟通过,那么最好的函数就是保证更多的油箱中剩余燃料的函数。不管他们的宇航员是否做得很好,只要他们还活着,你就不会在意实际的最大加速度/速度。

因此,健身功能很容易得到(就像你经常看到的那样,你应该尽量保持它的简单),但最困难的部分是想出不同的功能,这些功能实际上是有意义的,并且有机会让前几代人更好。记住,当您使用优化算法时,您首先应该找到一个可行的解决方案,然后再“环顾”该解决方案,使其更好。遗传算法在特定的情况下所做的就是跨越一个样本种群,给出可能可行的解决方案,然后选择最优的方法来确定下一代。后代是通过突变或繁殖(或两者都)来决定的。定义突变和育种功能实际上是相当困难的,我认为这是一个非主题的问题,但最终您的程序步骤应该如下所示:

  1. 生成第一代,试图想出不同的功能来通过模拟(即使很糟糕)

迭代融合

  1. 培育出一对夫妇的新功能,使父母双方都有新的功能
  2. 修改上一代函数以生成更多的新函数。
  3. 使用每个新函数运行模拟,并根据适应度函数对它们进行排序。
  4. 在下一个品种/突变步骤中,只选择“最佳”的功能。实际上,你可以在每次迭代中设置这个判别,这样你就可以控制你的种群,例如,如果有太多的样本通过,你会发现自己需要做大量的计算(可能是无用的),所以你可以通过提高所需的适应度来使它更难进入下一代,另一方面,如果你发现结果在迭代之间没有变得更好,也许你被锁定在某个局部最大值中,并且应该倾斜需求,以便允许更多不同的样本产生,它们可能会导致更好的未来解决方案。
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/57539824

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档