我正在使用Jenetics
库来解决ga的问题。我正在扩展官方示例以使用像这样的几条染色体:
List<BitChromosome> arr = new ArrayList<>();
arr.add(BitChromosome.of(16, 0.5));
arr.add(BitChromosome.of(16, 0.5));
arr.add(BitChromosome.of(16, 0.5));
Factory<Genotype<BitGene>> gtf = Genotype.of(arr);
并将eval
函数更改为正好有 8 个 1 和 8 个 0:
private static int eval(Genotype<BitGene> gt) {
return 10 - Math.abs(gt.getChromosome()
.as(BitChromosome.class)
.bitCount()-8);
其他部分保持不变:
// 3.) Create the execution environment.
Engine<BitGene, Integer> engine = Engine
.builder(Test1::eval, gtf)
.build();
// 4.) Start the execution (evolution) and
// collect the result.
Genotype<BitGene> result = engine.stream()
.limit(100)
.collect(EvolutionResult.toBestGenotype());
我期待 ga go 产生 3 条染色体,最大限度地发挥这种评估功能,但我得到:
[01110010|00010111,01000000|00000100,10011101|01110110]
如您所见,只有第一个结果满足条件。如何扩展此示例,以便所有染色体最大化评估功能?
这正是我在查看健身函数后所期望的。您仅使用第一条染色体来计算适应度。Genotype.getChromosome()
方法返回第一条染色体。这是Genotype.getChromosome(0)
的捷径。其他两条染色体不考虑在您的适应功能中。