【算法】遗传算法及其 Java 实现_java遗传算法

遗传算法及其 Java 实现

一、遗传算法介绍

人类的 DNA 是由 ATGC 这四种碱基对的排列组合形成的。随着环境的变化和人类的变异，最适合环境的基因被遗传了下来，形成了现在的人类种群

遗传算法也是借助这个思想，不过，进化的对象成了程序

对于人类来说，组成 DNA 的单位是 ATGC 碱基对，而对于程序来说，组成其的最小单位就是01二进制序列了

遗传算法就是通过对 01 二进制序列的不断变异和筛选，选出最适合当前条件的子代，从而动态的获取我们想要的结果

与动态规划、回溯这些确定算法不同，遗传算法存在一定的随机性，所以这也是一种动态的算法。其好处在于相较于确定算法在基数较大的情况下时间复杂度会成倍增长，遗传算法的时间复杂度在海量数据面前是相对较小的

二、遗传算法流程

这里我引用一个最简单的遗传算法的例子

例： 求下列二元二次函数在指定数字范围内的最大值

1、个体编码

遗传算法操作的对象是 01 二进制串，所以不管我们输入的对象是什么，都需要将其序列化为 01 二进制串

这里我们的输入是 [1,7] 范围内的整数，所以我们每个数都可以轻松的用三位二进制表示。为了将 x1 x2 用同一个基因序列表示，我们将两个三位二进制拼接，使用六位二进制表示我们的基因序列

例：001 101 -> x1:1 x2:5

数据结构我们选用 boolen 数组，成员变量还包括适应度 score

这里我们为了讨巧，将数字范围限定在 [1,7] 内，所以二元变量的输入可以用六位二进制表示

对于其他问题，范围还是要根据具体情况来讨论

public class Chromosome implements Codec {
   
    private boolean[] gene;
    private int geneSize;
    private double score;
}
1
2
3
4
5
6

2、初始群体产生

种群繁衍的前提是有初始种群的产生，初始种群的推荐数目是在 20-100 个，这里我们使用配置文件的形式，设置初始种群以及基因序列的长短

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uzjov04x-1646374687134)(https://gitee.com/faro/images/raw/master/img/20220303131532.png)]

public class GeneticAlgorithm {
   
    // 种群
    private List pop;
    Properties pro = PropertyUtil.getProperty("ga_simple");
    // 种群大小
    private int POP_SIZE = Integer.valueOf(pro.getProperty("POP_SIZE"));
    // 基因长短
    private int CHROMOSOME_SIZE = Integer.valueOf(pro.getProperty("CHROMOSOME_SIZE"));

    public GeneticAlgorithm() {
   
        pop = new ArrayList<Chromosome>();
        for (int i = 0; i < POP_SIZE; i++) {
   
            pop.add(new Chromosome(CHROMOSOME_SIZE));
        }
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

初始种群的个体组成是没有限制的，我们选择随机生成的方式

public class Chromosome implements Codec {
   
    // ...
    public Chromosome(int size) {
   
        if (size<0) size=0;
        geneSize=size;
        gene = new boolean[geneSize];
        init();
    }

    /**
     * 初始化基因序列
     */
    private void init() {
   
        for (int i = 0; i < geneSize; i++) {
   
            if (Math.random()<0.5d) gene[i]=true;
        }
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

3、适应度计算

适应度计算对于不同问题是有差异的

对于我们这个问题，适应度就是方程计算的结果，而对于路径规划问题，适应度可能就是路径和或者形式时间

- calculateScore() // 计算总群总适应度
	- calculateChromosomeScore() // 计算个体适应度
		- changeX() // 反序列化 x1x2
			- decoder() // 解码基因序列，这个示例中即二进制转十进制
		- changeY()	// 通过 x1x2 计算函数值，即适应度在这个问题上的体现
1
2
3
4
5

• calculateScore()

/**
  * 计算种群适应度
  */
private void calculateScore() {
   
  
1
2
3
4
5