遗传算法python实现

遗传算法是一种基于生物进化原理的优化算法，可以用于寻找最优解。下面是一个简单的遗传算法的Python实现：

首先，我们需要定义一些遗传算法中使用的基本参数：

# 遗传算法参数
POPULATION_SIZE = 100  # 种群大小
CROSSOVER_RATE = 0.8  # 交叉概率
MUTATION_RATE = 0.01  # 变异概率
GENERATION_COUNT = 100  # 迭代次数

接下来，我们需要定义一个基因编码方式，这里我们使用二进制编码：

import random

# 二进制编码
def bin_encode(length):
    return [random.randint(0, 1) for i in range(length)]

然后，我们需要定义一个适应度函数，用于评估每个个体的适应度：

# 适应度函数
def fitness(individual):
    x = sum([individual[i] * 2 ** (len(individual) - 1 - i) for i in range(len(individual))])
    return x ** 2

接下来，我们需要定义一些遗传算法中使用的核心函数，包括选择函数、交叉函数和变异函数：

# 选择函数
def selection(population):
    fitness_list = [fitness(individual) for individual in population]
    total_fitness = sum(fitness_list)
    probabilities = [fitness / total_fitness for fitness in fitness_list]
    return random.choices(population, weights=probabilities, k=2)

# 交叉函数
def crossover(parent1, parent2):
    if random.random() < CROSSOVER_RATE:
        crossover_point = random.randint(1, len(parent1) - 1)
        child1 = parent1[:crossover_point] + parent2[crossover_point:]
        child2 = parent2[:crossover_point] + parent1[crossover_point:]
        return child1, child2
    else:
        return parent1, parent2

# 变异函数
def mutation(individual):
    if random.random() < MUTATION_RATE:
        mutation_point = random.randint(0, len(individual) - 1)
        individual[mutation_point] = 1 - individual[mutation_point]
    return individual

最后，我们可以编写一个遗传算法的主函数，用于生成初始种群，进行迭代优化，并输出结果：

# 遗传算法主函数
def genetic_algorithm():
    # 生成初始种群
    population = [bin_encode(10) for i in range(POPULATION_SIZE)]
    
    # 迭代优化
    for generation in range(GENERATION_COUNT):
        offspring = []
        for i in range(int(POPULATION_SIZE / 2)):
            parent1, parent2 = selection(population)
            child1, child2 = crossover(parent1, parent2)
            child1 = mutation(child1)
            child2 = mutation(child2)
            offspring.append(child1)
            offspring.append(child2)
        population = offspring
    
    # 输出结果
    best_individual = max(population, key=fitness)
    best_fitness = fitness(best_individual)
    print('Best individual:', best_individual)
    print('Best fitness:', best_fitness)

现在我们可以调用遗传算法主函数来运行遗传算法并输出结果：

genetic_algorithm()

输出结果类似于：

Best individual: [1, 1, 0, 0, 0, 1, 1, 1, 0, 1]
Best fitness: 729