0

私はパイプラインネットワークの最適化に取り組んでおり、次のように染色体を数字の文字列として表しています

例

chromosome [1] = 3 4 7 2 8 9 6 5

ここで、各番号は井戸を指し、井戸間の距離が定義されています。そのため、1 つの染色体に対してウェルを複製することはできません。例えば

chromosome [1]' = 3 4 7 2 7 9 6 5 (not acceptable)

そのような表現を扱うことができる最良の突然変異は何ですか? 前もって感謝します。

4

1 に答える 1

1

「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->22回表示され、 2->15回表示され、 1->50で表示され、0で表示され、 5->70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。

于 2012-05-29T23:24:40.390 に答える