「最良」とは言えませんが、グラフのような問題に使用したモデルの1つは、次のとおりです。各ノード(ウェル番号)について、母集団全体から隣接するノード/ウェルのセットを計算します。例えば、
population = [[1,2,3,4], [1,2,3,5], [1,2,3,6], [1,2,6,5], [1,2,6,7]]
adjacencies = {
1 : [2] , #In the entire population, 1 is always only near 2
2 : [1, 3, 6] , #2 is adjacent to 1, 3, and 6 in various individuals
3 : [2, 4, 5, 6], #...etc...
4 : [3] ,
5 : [3, 6] ,
6 : [3, 2, 5, 7],
7 : [6]
}
choose_from_subset = [1,2,3,4,5,6,7] #At first, entire population
次に、次の方法で新しい個人/ネットワークを作成します。
choose_next_individual(adjacencies, choose_from_subset) :
Sort adjacencies by the size of their associated sets
From the choices in choose_from_subset, choose the well with the highest number of adjacent possibilities (e.g., either 3 or 6, both of which have 4 possibilities)
If there is a tie (as there is with 3 and 6), choose among them randomly (let's say "3")
Place the chosen well as the next element of the individual / network ([3])
fewerAdjacencies = Remove the chosen well from the set of adjacencies (see below)
new_choose_from_subset = adjacencies to your just-chosen well (i.e., 3 : [2,4,5,6])
Recurse -- choose_next_individual(fewerAdjacencies, new_choose_from_subset)
隣接の数が多いノードは再結合に熟している(たとえば、母集団が1-> 2に収束していないため)、「隣接カウント」が低い(ただしゼロ以外)ことは収束を意味し、ゼロであるという考え方です。隣接カウントは(基本的に)突然変異です。
サンプルの実行を表示するだけです。
#Recurse: After removing "3" from the population
new_graph = [3]
new_choose_from_subset = [2,4,5,6] #from 3 : [2,4,5,6]
adjacencies = {
1: [2]
2: [1, 6] ,
4: [] ,
5: [6] ,
6: [2, 5, 7] ,
7: [6]
}
#Recurse: "6" has most adjacencies in new_choose_from_subset, so choose and remove
new_graph = [3, 6]
new_choose_from_subset = [2, 5,7]
adjacencies = {
1: [2]
2: [1] ,
4: [] ,
5: [] ,
7: []
}
#Recurse: Amongst [2,5,7], 2 has the most adjacencies
new_graph = [3, 6, 2]
new_choose_from_subset = [1]
adjacencies = {
1: []
4: [] ,
5: [] ,
7: []
]
#new_choose_from_subset contains only 1, so that's your next...
new_graph = [3,6,2,1]
new_choose_from_subset = []
adjacencies = {
4: [] ,
5: [] ,
7: []
]
#From here on out, you'd be choosing randomly between the rest, so you might end up with:
new_graph = [3, 6, 2, 1, 5, 7, 4]
サニティーチェック?3->6
元の状態で1回発生し、6->2
2回表示され、 2->1
5回表示され、 1->5
0で表示され、0で表示され、 5->7
0で7->4
表示されます。したがって、最も一般的な隣接関係(2-> 1)と他の2つの「おそらく重要な」隣接関係が保持されます。それ以外の場合は、ソリューションスペースで新しい隣接関係を試しています。
更新:元々、再帰するときに、選択したノードに最も接続されているノードを選択するという重要なポイントを忘れていました。これは、高フィットネスチェーンを維持するために重要です。説明を更新しました。