遗传算法中的锦标赛评估

Question

现在，每个遗传 C# 库（A.Forge、遗传算法框架、GeneticSharp）似乎只评估一个 Chromosome，然后使用各种选择方法中的一种来创建一个新的一代。

由于我的问题涉及两个 AI 相互对抗，因此单独评估它们的适应性有点困难。虽然游戏足够简单，可以创建一些表面障碍（AI 不直接交互，但障碍会发送给其他游戏），这会让我获得一些抽象的适应性，但这不会是 "real"成交

这些库似乎也没有提供我可以实现这种评估方法的另一个接口。是否有其他框架允许这样做，还是我需要从头开始？

Answer 1

每个遗传算法库都应该有一些方法供您定义适应度函数，这正是您要找的。 AForge.NET 公开了 IFitnessFunction interface. GeneticSharp exposes the IFitness 接口。是的，您必须自己编写适合度函数的代码——这是您的问题领域所特有的部分。您可以根据需要将其变得简单或复杂。

每条染色体通过适应度函数并分配一个分数后，系统会使用您喜欢的任何选择标准（锦标赛、轮盘赌等）来选择哪些染色体通过交叉进入下一代 and/or突变.

所以流程不是这样的：

1. 匹配当前代的染色体
2. 每对染色体玩一轮
3. 胜利者创造下一代

遗传算法是这样工作的：

1. 每条染色体进行一轮比赛并获得分数
2. 选择算法使用该分数选出总体获胜者
3. 胜利者创造下一代

从本质上讲，每条染色体都已经在与其他所有染色体竞争，只是比你我玩游戏抽象了一步。

您或许可以操纵适应度函数，将当前种群中的其他随机成员拉入作为对手。最好是用上一代最好的染色体作为整个这一代的对手

为您的染色体分配点数以在游戏中取得进一步进展，并为对手制造障碍奖励点数（如果这是与您游戏中的正常游戏玩法不同的独特动作）。 Return染色体的最终得分作为适应度函数输出。