GA遺傳算法的染色體表示

Question

在遺傳算法中，對染色體進行編碼是否合適，使得某些位比同一染色體中的其他位更重要？例如，（索引％2 == 0）/（2,4,6，...）位比（索引％2！= 0）/（1,3,5，...）位更重要。例如，如果位2的值在[1,5]範圍內，我們考慮位3的值，並且如果位2的值爲0，則位3的值不起作用。

例如，如果問題是我們有一所學校提供多門課程，我們想知道下一學期應該提供哪門課程，哪門課程不應該開設，如果應該開設哪門課程，誰應該教那門課，何時教他。因此，表示問題的一種方法是使用長度爲2n的矢量，其中n是課程的數量。每門課程都由一個2元組（誰，什麼時候）代表，什麼時候什麼時候應該教授課程，誰應該教授課程。第i個位置的元組保存第i個路線的分配。現在可能的值是誰是教師的ID [1-10]，以及何時所有可能的時間加0的可能值，其中0意味着任何時候都不應該提供該課程。

現在可以有兩個不同的元組具有相同的健身嗎？例如，（3,0）和（2,0）對於第i個課程而言是不同的值，但它們意味着相同的東西，因此我們不關心如果何時= 0時誰不會提供這個課程。或者我應該給0添加0，這樣0意味着沒有人教導，而元組意味着當且僅當它的值是（0,0）時，不應該提供相應的課程。但是，如何（0，v）和（v，0），其中v> 0？我應該認爲這是否意味着不應該提供課程？我需要幫助。

Answer 1

我不確定我完全理解你的問題，但我會盡力回答。

當使用遺傳算法解決問題時，您可以在編碼方式上有很大的靈活性。一般來說，有兩個地方可以使某些比特位更突出：適應性函數或算法的實現（即選擇，交叉和變異）。如果你想改變健身功能中某些位的顯着位置，我會繼續。這會鼓勵你想要的行爲，並且通常會導致某些位更加突出的解決方案。

我已經使用了很多遺傳算法，其中適應度函數給出了一些比特（或比特的分組）比其他更重的遺傳算法。這是相當標準的。

在遺傳算法實現中，在使某些比特比其他比特更顯着時，我會更仔細。我曾與算法，只允許某些位變異，或只能在某些點交叉。有時候他們可以很好地工作（有時他們對於問題是必需的），但是大多數情況下他們很難正確地工作，並且更容易出現早熟收斂等問題。

編輯： 在回答你問題的第二部分，您的意見：

應對哪裏都不應給予一個療程大概是在健身功能的情況下，最好的辦法。簡單地給這些低分（或沒有分數）。這同樣適用於染色體過程中的重複。理論上，這應該阻止他們成爲你人口中的流行部分。或者，你可以在每一代應用一種「剔除」的形式，它可以完全消除人羣中不可行的染色體。你大概可以通過完全排除染色體而不選擇健身得分來混合兩者。

從你對這個問題的描述來看，它似乎具有不可行的染色體可能會很普遍。這不一定是個問題。如果您的健身功能編碼良好，並且您使用了正確的選擇和交叉方法，則不應該成爲問題。只要更可行的解決方案更合適，您應該能夠發展出一個好的解決方案。

在某些情況下，在染色體的某些點停止交叉是一個好主意。這聽起來可能是這樣，但再次，不知道更多關於您的實施，很難說。

如果不知道更多關於計劃實現算法的信息，我無法給出更詳細的答案。我也不是很熟悉這個問題。這不是我曾經做過的事情。如果您在計劃編碼問題和健身功能方面添加更多細節，我可能會提供更具體的建議。