遗传算法，第三部分：繁殖

书名：代码本色：用编程模拟自然系统
作者：Daniel Shiffman
译者：周晗彬
ISBN：978-7-115-36947-5
第9章目录

9.6　遗传算法，第三部分：繁殖

1、繁殖

• 现在我们已经有了选择父代的策略，下面就开始讨论繁殖下一代的方法，这一步的关键在于达尔文的遗传法则——子代能继承父代的特性。
• 繁殖的实现方式也有很多种。
• 无性繁殖就是一种合理（并容易实现）的策略，该策略用单个父本复制出子代个体。
• 但遗传算法的标准方法是用两个父本繁殖后代，具体步骤如下。
  1.交叉
  2.突变

2、交叉

• 交叉就是根据双亲的遗传密码创建一个子代。

• 拿猴子敲键盘举例，假设我们从交配池中选择了两个句子（如选择部分所述）。
  父本A：FORK
  父本B：PLAY
  下面，我们要根据这两个语句创建子代。最直观的方法（我们称为50/50方法）就是取A的前两个字符，取B的后两个字符，把这两部分拼接在一起：

  
  

• 这种交叉方法能进一步改进：我们不一定从每个父本中都各选一半的遗传密码，而应该选择随机的中间分割点。
  改进后，我们还可能得到“FLAY”或“FORY”。这种方法比50/50方法更好，因为它能提高子代的多样性。

  
  

• 还有一种方式是为子代的每个字符随机选择父代。你可以把它想象成掷4次硬币：正面朝上则选择A，反面朝上则选择B。如此一来，我们就能得到各种结果，如：“PLRY”“FLRK”“FLRY”“FORY”……

  
  

• 这种方法产生的结果和选择随机中间点法基本上一样；
  但是如果基因的顺序对表现型有一定程度的决定作用，你就应该根据具体需求选择其中的一种方法。

3、突变

• 交叉过程产生子代DNA，但还要经历突变过程才能最终确定。突变是一个可选的过程，某些场景不会涉及突变。根据达尔文的进化学说，突变是普遍存在的。在初始化过程中，我们用随机的方式创建种群，确保种群有一定的多样性。但在孕育第一代时，种群的多样性就已经确定了；而突变的作用就是在进化过程中不断引入多样性。

• 突变可以用突变率描述。一个遗传算法可能有5%、1%或0.1%的突变率。假设交叉完成后，某子代个体是“FORY”，如果突变率为1%，这意味着每个字符有1%的突变概率。而字符怎么发生突变呢？在本例中，我们把突变定义为用一个随机的字符替换原字符。1%是一个很低的突变率，对于由4个字符组成的字符串来说，在大部分时间它都不会发生突变（确切地说，在96%的时间都不会发生突变）。一旦突变发生，当前字符就会被替换成另一个随机字符（如图9-6所示）。

  
  

• 在某些场景中，突变率能显著地影响系统行为。高突变率（比如，80%的突变率）会阻碍进化过程。如果大部分子代基因是随机产生的，我们就无法保证“合适”的基因能频繁地出现在后代中。

• 在获得新种群之前，我们会不断地进行选择（选择两个父本）和繁殖（交叉和突变）操作。一旦子代种群代替了当前种群，我们还会回到之前的步骤：再次评估适应度，再次进行选择和繁殖操作。

4、代码实现

• 到目前为止，我们已经详细地描述了遗传算法的所有步骤，接下来，我们需要将这些步骤翻译成Processing代码。由于前面的描述有些冗长，我们先对此作个总结，把遗传算法分成几个步骤。

• SETUP
  第1步：初始化 创建由N个个体组成的种群，随机确定个体的DNA。
  LOOP
  第2步：选择 评估个体的适应度，创建交配池。
  第3步：繁殖 重复N次。
  a) 根据相对适应度，概率性地选择两个父本。
  b) 杂交——结合父本的DNA，创建出一个“子代个体”。
  c) 突变——以一定的概率使子代的DNA发生突变。
  d) 将这个子代加入新种群。
  第4步：用新种群替换旧种群，再回到第2步。