私は遺伝子アルゴリズム(GA)を使用して解決したい問題があります。あなたは次のような問題にそれを簡略化することができます。遺伝Algortihm - 可変長最適化の戦略
私は意味会社のカープール、車と車種の数を最適化します。私はすでにビジネスカー、トランスポーター、またはビジネスカー、ビジネスカー、トランスポーターのような設定を評価するフィットネス機能calcFitness(carList)
を持っています。問題は、GAを使用してこの可変長問題を解決する方法です。
私はあなたが一般的にこれらの問題に取り組むことができる方法4つのアイデアを持っている:(?可能な場合はわからない)多分何とかGAできる可変長染色体を実装し、単一の実行で問題を解決
- を
- 見積り可能な最大台数(例えば20台)と、1から20までの各スロット番号の固定長GAを実行し、20個の結果を比較してください。
- #2と同様ですが、上限はありません。 1台の車を増やして、スロット数を増やして、増分した数の最適解が前のs olution(勾配ベースのアプローチ)
- 積層された2つの固定長ガス:親GAは、単にこれらのスロットのassignementを最適化する別のGA車スロットとその適応度関数の数を最適化するための責任と呼ばれている
これらの一般的なアプローチについてどう思いますか?これらの可変長のケースについては、他のアイデアやGAの代わりになるでしょうか?
ありがとうございました。連続的なクロスオーバではどういう意味ですか?そして突然変異が染色体の長さを変えることを許可しますか? – nkxandroid
はい、役立つ具体的な形式は問題によって異なります。例えば、私の現在のGAにおいて、私は複数の遺伝子の付加、欠失、l個の遺伝子によるk個の遺伝子の置換を持っているが、その多くはドメインに特有のものである。通常、一度に1つずつ変更(変更、追加、削除)すれば十分です。 –
連続クロスオーバー=所定数のクロスポイントなし。固定された長さでは、これは交差するか否かにかかわらず、それぞれの位置で偏った硬貨を反転させることになります。 –