遗传算法中的一点交叉

Question

我是用一点交叉来交叉两个人。假设我有两个人比如

I1='10010011' 
I2='11001101'

tmp_P是向量存储两个个体I1和I2。我想在 C++ 中实现一点交叉。对吗？

这是算法描述

fori=1 to N/2 (N is number of individual=2 in my case)
   if random[0,1]<=Pc //cross prob.
       pos=random_int[1,n-1]
       for k=pos+1 to n //Length of individual=8 in my case
          aux=tmp_P_i[k]
          tmp_P_i[k]=tmp_P_(i+N/2)[k]
          tmp_P_(i+N/2)[k]=aux;
       end
   end
end

我的问题是我混淆了 pos 的索引。它是从 [0 到 n-2] 随机获得的吗？这样对吗？

 //Random integer in range [min max]
int random_int(int min, int max) //range : [min, max]
{
    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_int_distribution<> dis(min, max);
    return dis(gen);
}
//One-point Crossover
vector< vector<int> > crossover(vector< vector<int> > tmp_P)
{
    int pos=0;
    for (int i=0;i<N/2;i++)
    {
        //If random number smaller than crossover probability then do Crossover
        if(RND()<=Pc)
        {
            pos=random_int(0,n-2);//Index in C++ from 0
            int aux=0;
            for (int k=pos+1;k<n;k++)
            {
                //swat
                aux=tmp_P[i][k];
                tmp_P[i][k]=tmp_P[i+N/2][k];
                tmp_P[i+N/2][k]=aux;
            }
        }
    }
    return tmp_P;
}

Answer 1

random_int

出于调试目的（可重复性），您不应总是调用 rd()。此外，您在每次调用时都在重新创建伪 RNG。

只调用随机设备一次，然后使用（随机）播种的伪 RNG 完成其他所有操作。作为奖励，您应该将种子值存储在日志文件中，以便稍后重播伪随机序列。

应该是这样的：
```
int random_int(int min, int max)
{
#if defined(NDEBUG)
  static std::mt19937 gen(std::random_device());  // or thread_local  
#else
  static std::mt19937 gen(1234);  // or, better, thread_local
#endif

  std::uniform_int_distribution<> dis(min, max);
  return dis(gen);
}
```
crossover
- pos 正确（在 [0;n-2] 范围内）；实际交叉位置在 [1;n-1] 范围内（跳过 0 索引是正确的，因为它会交换整个基因组）。
  
  你可以直接初始化pos：
```
 unsigned pos = random_int(1, n-1);

 for (unsigned k = pos; k < n; ++k)
 { /* ... */ }
```
  这个比较简单
- 你可以使用std::swap函数
- 如果变量在代码中首次出现时习惯性地分配了一个有意义的值，那么它们就不可能被意外地与无意义或未初始化的值一起使用（例如 pos / aux，请参阅Why declare a variable in one line, and assign to it in the next?)
- 如果个体长度固定也可以考虑std::bitset存储基因组

所以像这样的东西应该可以工作：

unsigned random_int(unsigned min, unsigned max)
{
#if defined(NDEBUG)
  static std::mt19937 gen(std::random_device());
#else
  static std::mt19937 gen(1234u);
#endif

  std::uniform_int_distribution<> dis(min, max);
  return dis(gen);
}

std::vector<std::vector<int>> crossover(std::vector<std::vector<int>> tmp_P)
{
  const auto N = tmp_P.size();
  const auto n = tmp_P[0].size();

  for (unsigned i = 0; i < N/2; ++i)
  {
    assert(tmp_P[i].size() == n);

    // If random number smaller than crossover probability then do Crossover
    if (RND() <= Pc)
      for (unsigned k = random_int(1, n-1); k < n; ++k)
        std::swap(tmp_P[i][k], tmp_P[i + N/2][k]);
  }

  return tmp_P;
}

遗传算法中的一点交叉

One-point cross over in genetic algorithm

c++

c++11

genetic-algorithm

evolutionary-algorithm

crossover