遗传算法与矮人

Question

我正在尝试使用Pygad制作一种遗传算法，以找到最大化此功能的最佳值：z =（3*（x^2 -y）^2 +（100 -x）^2） +（y - x），x和y [-4，4]之间。

有人可以给我发送与此功能类似的示例吗？我发现的示例使用了一个已经给出的输入的函数：y = f（w1：w6）= w1x1 + w2x2 + w3x3 + w4x4 + w4x4 + w5x5 + 6wx6

我不知道我怎么能使用两个变量的函数获取每个人的健身价值

Answer 1

这是一个解决您的问题的小枪代码。

import pygad

def fitness_func(solution, solution_idx):
    x = solution[0]
    y = solution[1]
    Z = -(100*(x**2 - y)**2 + (1 - x)**2)
    return Z

last_fitness = 0
def on_generation(ga_instance):
    global last_fitness
    print("Generation = {generation}".format(generation=ga_instance.generations_completed))
    print("Fitness    = {fitness}".format(fitness=ga_instance.best_solution(pop_fitness=ga_instance.last_generation_fitness)[1]))
    print("Change     = {change}".format(change=ga_instance.best_solution(pop_fitness=ga_instance.last_generation_fitness)[1] - last_fitness))
    last_fitness = ga_instance.best_solution(pop_fitness=ga_instance.last_generation_fitness)[1]

ga_instance = pygad.GA(num_generations=1000,
                       num_parents_mating=5,
                       sol_per_pop=10,
                       num_genes=2,
                       gene_space={"low": -2, "high": 2},
                       mutation_by_replacement=True,
                       fitness_func=fitness_func,
                       on_generation=on_generation)

ga_instance.run()

ga_instance.plot_fitness()

solution, solution_fitness, solution_idx = ga_instance.best_solution(ga_instance.last_generation_fitness)
print("Solution", solution)
print("Fitness value of the best solution = {solution_fitness}".format(solution_fitness=solution_fitness))

基于您的描述，以下是某些参数的值：

• num_genes = 2：将其设置为2，因为您只有2个基因。
• sol_per_pop = 10：设置为10，因为您说您有10个人。
• gene_space = {“ low”：-2，“高”：2}：它限制了基因不会超出-2：2范围。
• mutation_by_replacement = true：这确保应用突变后不会超出范围。

您可以根据自己的喜好更改使用的其他参数。例如，您可能通过增加世代数来获得更好的健身（num_generations）。

请确保安装了Pygad并运行＆nbsp'脚本。