我正在使用Jenetics
库来解决ga问题。我将官方示例扩展为使用多个这样的染色体:
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
函数更改为恰好具有8 1s和8 0s: 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());
我期望ga产生3条染色体,从而最大化该评估功能,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。我如何扩展该示例,以便所有染色体都能最大化评估功能?
最佳答案
看完健身功能后,这正是我所期望的。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)
的快捷方式。健身功能中不考虑其他两个染色体。