我的遗传算法怎么了？

Question

我想了解遗传算法是如何工作的。和所有事情一样，我通过尝试自己写东西来学习；然而，我的知识非常有限，我不确定我是否做得对。

这个算法的目的是观察如果一半的人群已经被感染了，那么要花多长时间才能感染上一种疾病。这只是我在脑海中想到的一个例子，所以我不确定这是否一个可行的例子。

关于如何提高我的知识的一些反馈将是很好的。

以下是代码：

import random

def disease():
    herd = []
    generations = 0
    pos = 0
    for x in range(100):
        herd.append(random.choice('01'))
    print herd
    same = all(x == herd[0] for x in herd)
    while same == False:
        same = all(x == herd[0] for x in herd)
        for animal in herd:
            try:
                if pos != 0:
                    after = herd[pos+1]
                    before = herd[pos-1]
                    if after == before and after == '1' and before == '1' and animal == '0':
                        print "infection at", pos
                        herd[pos] = '1'
            #print herd
                pos += 1
            except IndexError:
                pass
        pos = 0
        generations += 1
        random.shuffle(herd)
        #print herd
    print "Took",generations,"generations to infect all members of herd."
if __name__ == "__main__":
    disease()

我正在寻找基于这个算法的逻辑的评论。什么是可以改进的，哪些是需要改进的，才能使这成为真正的遗传算法，如果不是的话。

Answer 1

你的算法不是遗传算法，它是一个简单的感染模型。

遗传算法通常至少使用以下概念:遗传、变异、选择(或适应度)。

见，例如这里

如果--为了介绍性的理解--您想将这些概念应用于您的示例：

• 继承:概念:您需要一个单位(动物).代码的遗传身份:也就是说，您需要具有状态的动物，不同的instances.如何:每种动物在被复制时将这种遗传身份继承给下一代。
• 突变:概念:每一代与other.代码略有不同:新一代中的每一种动物的值与其parent.略有不同，如何应用一些随机修改。
• 适合度的选择:概念性:您通过单元之间的差异来选择哪些单元是为下一代复制的。选择fittest.代码:在组装新一代时，只选择那些满足特定适应度限制(例如，最佳90%)的复制单元.:定义一个健身函数，该函数返回一个指示每个单元相对适应度的值。

要把它组合在一起，你可以制作不同的动物群，它们的“遗传”属性有不同的起始值(例如preferred_proximity_to_next_animal、skin_color、身高、攻击性等等)。

然后，在您的适应度函数中，定义每个属性是如何与适应度相关联的，即它们如何与感染的概率相关。然后让程序运行几代人，看看在每一次迭代中，感染的全球概率与你的牛群的遗传结构有关的降低。

就像这样，你可能会发现有利的属性组合。在搜索相关问题中，一般采用遗传算法。

Answer 2

import random

def disease():
    herd = []
    generations = 0
    pos = 0

不要在使用变量之前指定变量

    for x in range(100):
        herd.append(random.choice('01'))
    print herd
    same = all(x == herd[0] for x in herd)
    while same == False:
        same = all(x == herd[0] for x in herd)

首先，不要检查== False，使用not。而且，没有必要将它存储在相同的地方，只需测试它：

 while not all(x == herd[0] for x in herd):

我建议使用以下方法进行测试：

while len(set(herd)) != 1:

这样会更有效率。

        for animal in herd:
            try:
                if pos != 0:
                    after = herd[pos+1]
                    before = herd[pos-1]
                    if after == before and after == '1' and before == '1' and animal == '0':

如果您已经在检查前后是否都等于“1”，则没有必要检查after == before。我会考虑做：

if (after, animal, before) == ('1','0','1'):

在这种情况下，我认为更清楚地显示了发生了什么。

                        print "infection at", pos
                        herd[pos] = '1'
            #print herd
                pos += 1
            except IndexError:
                pass

捕获IndexError通常不是一个好主意。太容易得到一个偶然的IndexError，然后让您的代码错过真正的问题。它也不能说明为什么你会得到一个索引错误。

与其更新pos，我建议您使用

for pos, animal in enumerate(herd):

但是，既然你不想要第一个和最后一个元素，我建议

 for pos in xrange(1, len(herd) - 1):
     before, animal, after = herd[pos-1,pos+2]

回到您的代码：

        pos = 0

你应该在循环之前重设东西，而不是事后。这样更容易理解。但是如果你能完全避免休息的话

        generations += 1
        random.shuffle(herd)
        #print herd
    print "Took",generations,"generations to infect all members of herd."
if __name__ == "__main__":
    disease()

Answer 3

提取方法：initHerd、processGeneration和infect。