我的 Java 遗传算法实施似乎以中等适应值而不是高值为中心

Question

我的遗传算法实现了一个名为 class 的基因，它存储一个 100（trigit？）三进制字符串（最初是二进制的，但尝试过三进制）。我提供了一种评估基因适应性的方法（所有数字的总和，因此 222...222 是最佳的）。我最初的适应度等于基因与给定序列的匹配程度，但我改变了它。我还提供了一个"mutate"基因的方法。以一定的概率，基因中的每个条目都可以突变为 3 个可能的密码子之一。

我从初始人口开始。我找到最适者，杀死其他的，复制最适者（"perfect"有丝分裂，突变只在下一步发生），然后突变所有基因。我运行这对许多 "epochs"。

最大适应度为 200，但我的算法似乎以 90-110 为中心作为每个时期的最高适应度。如果我随机生成起始基因，我的最高适应度在 120 左右，但它会很快回落到 90-110（在 1-2 个时期内）。其他 GA 实现没有这个问题。我究竟做错了什么？ Java源码贴在最下面

    import java.util.Random;

    public class Gene {

int[] gene=new int[100];

public Gene() {

Random rand=new Random();
 for(int i=0; i<100; i++){

    gene[i]=rand.nextInt(3);
}
}

public int fitness(){

    int sum=0;
    for(int i=0; i<gene.length; i++){
        sum=sum+gene[i];
    }
    return sum;
}
public void mutate(){

    Random randP=new Random();
    Random randM=new Random();
    for(int i=0; i<gene.length; i++){
        if(randP.nextInt(1000)<1){gene[i]=randM.nextInt(3);}
    }


}
public int compareTo(Gene g){
    return this.fitness()-g.fitness();
}
public String toString(){
    return ""+this.fitness();
}
public void minFit(){
    for(int i=0; i<gene.length; i++){
        gene[i]=0;
    }
}
public void maxFit(){
    for(int i=0; i<gene.length; i++){
        gene[i]=2;
    }
}

    }



    public class Biome {



        public static void main(String[] args) {
        Gene[] species=new Gene[1000];
        for(int i=0; i<1000; i++){
    species[i]=new Gene();
    species[i].maxFit();
}
int epoch=0;
System.out.println("start");
while(epoch<1000){
    System.out.println(fittestGene(species));
    sort(species);
    for(int i=0; i<999; i++){species[i]=species[999];}
    for(int i=0; i<1000; i++){species[i].mutate();}
    epoch++;


}



}
public static Gene fittestGene(Gene[] g){
    int maxIndex=0;
    for(int i=0; i<g.length; i++){
        if(g[i].fitness()>g[maxIndex].fitness()){maxIndex=i;}
    }
    return g[maxIndex];
}
public static void swap(Gene[] g, int a, int b){
    Gene temp=g[a];
    g[a]=g[b];
    g[b]=temp;
}
public static void sort(Gene[] g){
    for(int i=0; i<g.length; i++){
        int minIndex=i;
        for(int j=i+1; j<g.length; j++){
         if(g[j].compareTo(g[minIndex])>0){swap(g, j, minIndex);}
        }
    }
}

    }

Answer 1

这似乎是错误所在：

for(int i=0; i<999; i++){species[i]=species[999];}

该数组包含对 Gene 个对象的引用。因此，在该行之后，数组中的所有引用都指向同一个 Gene 对象。

你只有 1 个Gene，它的适应度值将由均匀分布在 0 和 2 之间的 100 个整数的总和组成。这就是 90-110 值的来源。

要正确复制基因，您需要为 Gene 定义一个复制构造函数并使用它：

public class Gene {
    ...
    public Gene(Gene other) {
        this.gene = Arrays.copyOf(other.gene, other.gene.length);
    }
}

然后将原行改为：

for(int i=0; i<999; i++){species[i]=new Gene(species[999]);}

我的 Java 遗传算法实施似乎以中等适应值而不是高值为中心

My Java Genetic Algorithm implementation seems to center around a mid-tier fitness value instead of a high value

java

algorithm

genetic-algorithm