我的遗传算法哪里有问题

Question

我正在尝试理解遗传算法是怎么工作的。就像我学习其他东西一样，我试着自己写点东西；不过，我的知识非常有限，不太确定自己是否在正确的方向上。

这个算法的目的是想看看如果一半的群体已经感染了疾病，那么另一半被感染的时间会有多长。这只是我脑海中想到的一个例子，所以我不确定这个例子是否真的可行。

如果能给我一些反馈，告诉我怎么提高自己的知识，那就太好了。

以下是代码：

import random

def disease():
    herd = []
    generations = 0
    pos = 0
    for x in range(100):
        herd.append(random.choice('01'))
    print herd
    same = all(x == herd[0] for x in herd)
    while same == False:
        same = all(x == herd[0] for x in herd)
        for animal in herd:
            try:
                if pos != 0:
                    after = herd[pos+1]
                    before = herd[pos-1]
                    if after == before and after == '1' and before == '1' and animal == '0':
                        print "infection at", pos
                        herd[pos] = '1'
            #print herd
                pos += 1
            except IndexError:
                pass
        pos = 0
        generations += 1
        random.shuffle(herd)
        #print herd
    print "Took",generations,"generations to infect all members of herd."
if __name__ == "__main__":
    disease()

Answer 1

你的代码没有实现 GeneticAlgorithm。我建议你先看看一个开源库，了解一下它是怎么工作的，然后再考虑自己实现（如果有必要的话）。

要有一个遗传算法，你需要以下几个部分：

1- 你想要最小化的目标函数。

2- 染色体的表示方式（比如实际数值），用来表示你目标函数中的决策变量。你的目标是找到最好的染色体，使得目标函数的值最小。

3- 一开始的染色体种群，用来开始你的搜索（可以随机生成）。

4- 遗传操作，比如选择、交叉和变异，这些操作会应用到当前的种群上，以便生成下一代。

5- 不断重复这个过程，直到达到停止的标准，比如最大代数或期望的适应度值。

这只是对遗传算法实现应该包含的内容的简单描述。