遗传算法入门(连载之六)

.

.
(连载之六)
.
扎自<游戏编程中的人工智能技术>第三章

 清华大学出版社

(本章由zzwu译)

 

3.4.1为染色体编码
（Ecoding the Chromosome）

          
   每个染色体必须把小人Bob 的每一个行动编入代码中。Bob的行动仅限为4个方向： 向东(East)，向南(South)，向西(West)，向北(North) 故编码后的染色体应该就是代表这4个方向信息的一个字符串。传统的编码方法就是把方 向变换成二进制的代码。四个方向只要2位就够了，例如下表所示的那样：  

二进制代码	十进制译码	代表的方向
00	0	向北
01	1	向南
10	2	向东
11	3	向西

 这样，如果你得到了一个随机的二进制字符串，你就能将它译码出Bob行动时所遵循的

一系列方向。例如染色体:

                    111110011011101110010101

代表的基因就是：           11,11,10,01,10,11,10,11,10,01,01,01
			  
当把二进制代码译成十进制时，就成为             3,3,2,1,2,3,2,3,2,1,1,1

再把这些放进一个表格中，就可以使你相信这是一样的一些概念:         

二进制代码	十进制译码	代表的方向
11	3	West
11	3	West
10	2	East
01	1	South
10	2	East
11	3	West
10	2	East
11	3	West
10	2	East
01	1	South
01	1	South
01	1	South

      到此，你要做的全部就是将Bob置于迷宫的起点，然后告诉他根据这张表所列的方向一步步地走。如果按某一个方向前进将使Bob碰到墙壁或障碍物，则只需忽略该方向并继续按下一个方向去走就行了。这样不断下去，直到所有方向用光或Bob到达出口时为止。
   
    如果你想象有几百个这样的随机的染色体，你就能看到它们中的某些可能为Bob译码出到达出口的一套方向（问题的一个解），但它们中的大多数将是失败的。
   
    遗传算法以随机的2进制串（染色体）作为初始群体，测试它们每一个能让Bob走到离开出口有多么接近，然后让其中最好的那些来孵化后代，期望它们的子孙中能有比Bob走得离出口更近一点。这样继续下去，直到找出一个解，或直到Bob绝望地在一个角落里被粘住不动为止（你将看到，这种情况是可能发生的）。
     
    因此，我们应定义一种结构，其中包含一个２进制位串（染色体），以及一个与该染色体相联系的适应性分数。我把这个结构称为SGenome结构，它的定义如下:    

   
   
   
   

    
    
    
    
 
     
 
      struct SGenome    {      vector <int> 　vecBits;      double 　　dFitness;      SGenome():dFitness(0){}      SGenome(const int num_bits):dFitness(0)      {        //创造随机二进制位串        for (int i=0; i<num_bits; ++i)          {             vecBits.push_back(RandInt(0,1));          }      }   };       
     
 
    
   
   
   
   
    正如你能见到的那样，如果你在创建SGenome对象时把一个整型数作为参数传递给构造函数，则它就会自动创建一个以此整数为长度的随机２进制位串，

并将其适应性分数初始化为零，这样就把基因组什么都准备好了。

 程序注释 std::vector是STL（Standard Templete Library）标准模板库的一部分, 这是一种为处理动态数组而预先建立好的类。如果要把数据加入STL中,可使用

push_back()方法。

 下面是一个简单的例子:   
   
   
   
   

    
    
    
    
 
       #include <vector>   for (int i=0; i<10; i++)     {         MyFirstVector.push_back(i);             cout << endl << MyFirstVector[i];     }  
    
   
   
   
   
  
要清空一个向量，使用clear()方法：

 MyFirstVector.clear();

 你可利用size()方法来得到向量中元素的数目：

 NyFirstVector.size()

 就是这样。

 不需要你去考虑内存管理问题－std::vector能够为你来做所有这些！当需要时，我会在整个程序中使用它。  SGenome结构中不具备怎样为染色体（vecBits）进行译码的知识; 这是需要由遗传算法类自己来完成的一项任务。现在让我们来快速窥视一下这个类的定义。 我已把它称作CgaBob类（有时我对我的原始创见自己也很吃惊，但我确实是这样做的）。

   
   
   
   

    
    
    
    
 
     
 
      class CgaBob  
     
 
     
 
      {  
     
 
     
 
       private:  
     
 
     
 
       //基因组群体 
     
 
     
 
       vector<SGenome> m_vecGenomes  
     
 
     
 
       //群体的大小  
     
 
     
 
       int m_iPopSize  
     
 
     
 
       double m_dCrossoverRate;  
     
 
     
 
       double m_dMutationRate;  
     
 
     
 
       //每个染色体含有多少bits  
     
 
     
 
       int m_iChromoLength;  
     
 
     
 
       //每个基因有多少bits  
     
 
     
 
       int m_iGeneLength;  
     
 
     
 
       int m_iFittestGenome;  
     
 
     
 
       double m_dBestFitnessScore;  
     
 
     
 
       double m_dTotalFitnessScore;  
     
 
     
 
       int m_iGeneration;  
     
 
     
 
       //为 map 类创建一个实例  
     
 
     
 
       CBobsMap m_BobsMap;  
     
 
     
 
       //另一个CbobsMap对象用来保存每一代的最佳路径的一个记 
     
 
     
 
       //录，这是被访问小格的一个数组，它仅仅是为了显示目的而使用的。  
     
 
     
 
       CBobsMap m_BobsBrain;  
     
 
     
 
       //让你知道运行是否仍在进行中  
     
 
     
 
       bool m_bBusy;  
     
 
     
 
       void Mutate(vector<int>&vecBits);  
     
 
     
 
       void Crossover(const vector<int>&mum, 　  
     
 
     
 
                     const vector<int>&dad, 　  
     
 
     
 
                     vector<int>&baby1, 
     
 
     
 
                   　 vector<int>&baby2);  
     
 
     
 
       SGenome& RouletteWheel Selection();  
     
 
     
 
       //用新的适应性分数来更新基因组原有的适 
     
 
     
 
       //应性分数，并计算群体的最高适应性分数和适应性分数最高的那个成员。  
     
 
     
 
       void UpdateFitnessScores();  
     
 
     
 
       //把一个位向量译成为一个方向的(整数)向量 
     
 
     
 
       vector<int> Decode(const vector<int> &bits);  
     
 
     
 
       //把一个位向量变换为十进制数。用于译码  
     
 
     
 
       int BinToInt(const vector<int> &v);  
     
 
     
 
       //创建一个随机的二进制位串的初始群体 
     
 
     
 
       void CreateStartPopulation();  
     
 
     
 
       public:  
     
 
     
 
       CgaBob(double cross_rat, 
     
 
     
 
              double mut_rat,  
     
 
     
 
             int pop_size, 
     
 
     
 
             int num_bits, 
     
 
     
 
            int gene_len):m_dCrossoverRate(cross_rat),  
     
 
     
 
                            m_dMutationRate(mut_rat),  
     
 
     
 
                            m_iPopSize(pop_size), 
     
 
     
 
                            m_iChromoLength(num_bits), 
     
 
     
 
                            m_dTotalFitnessScore(0.0), 
     
 
     
 
                            m_iGeneration(0), 
     
 
     
 
                            m_iGeneLength(gene_len), 
     
 
     
 
                            m_bBusy(false)  
     
 
     
 
       { 
     
 
     
 
        CreateStartPopulation();  
     
 
     
 
       } 
     
 
     
 
        
     
 
     
 
       void Run(HNND hwnd);  
     
 
     
 
       void Epoch();  
     
 
     
 
       void Render(int cxClient, int cyClient, HDC surface);  
     
 
     
 
       //访问用的方法 
     
 
     
 
       int Generation(){return m_iGeneration;}  
     
 
     
 
       int GetFittest(){return m_iFittestGenome;}  
     
 
     
 
       bool Started(){return m_bBusy;}  
     
 
     
 
       void Stop(){m_bBusy = false;} 
     
 
     
 
       };  
     
 
    
    
    
    
     
    
    
    
    
由上你可看出，当这个类的一个实例被创建时，构造函数初始化所有的变量，并调用CreateStartPopulation()。这一短小函数创建了所需数量的基因组群体。
    
    
    
    
每个基因组一开始包含的是一个由随机2进制位串组成的染色体，其适应性分数则被设置为零。 
   
   
   
   

 －连载６完－