我正在处理资源分配问题，在这个问题中，我总共有50000个资源，我想在6个模块上分配它。目标是
f(i)=1-exp(-b(i)*w(i)); for i=1 to 6
g(i)=1+2*exp(-b(i)*w(i)); for i=1 to 6
ff=(c1-c2)*a(i)*v(i)*f(i)/g(i)+c2*a(i)+c3*w(i); for i=1 to 6
并且a（i）、b（i），c1、c2、c3和v（i）是已知的
消费品是
w（i）<w码头i=1至6
w（i）>=0和
r（i）=1-exp（-b（i）*w（i））/1+2*exp（-b（i）*w（i））>=0.9；即每个模块的r（i）>=0.9
所以我需要W（i）i＝1到6，并且总W是50000。
请任何人告诉我如何使用遗传算法。
谢谢。
拥有评估函数不足以确定遗传算法的外观，因为即使评估函数非常重要，它也不是问题的唯一部分。为了充分评估您的问题，至少需要了解以下内容：
- 每个模块的限制是什么分配例如，是否每个都有容量限制模块
- 我们正在处理什么样的资源？有吗资源之间的依赖关系，是函数还是时间
- 我们在处理什么样的问题？所有资源都是分配还是我们打算使用它们来执行某项任务（因此，我们将在每个模块中需要特定类型的资源）
假设你需要分配所有的资源，最简单（也许也是最愚蠢）的解决方案是将每个资源将被指定到的模块编码到染色体中，并有一个由1、2、3。。。和6。当然，所有的位串运算符都可以应用于这个解决方案，并进行一些小的更改。
由于使用50.000个字符长的字符串是可行的，我们需要其他选择。如果每个资源上都有任何数字参数，我们可以考虑创建一个由组中心组成的表示，并根据资源与每个中心的接近程度对资源进行聚类。然而，应该将资源有意义地转换为多维实数集。为了创造这一点，我们需要更多地了解资源本身。