c# - 遺伝的プログラミングの実装

Question

私は遺伝的プログラミングの一般性に精通していますが、遺伝的プログラミングの実装の詳細を示す何かをどこで見つけられるか疑問に思っています。私は C# と .NET 3.5 を使用しており、パスファインディングなどに遺伝的プログラミングを使用したいと考えており、一般的に何ができるかを知りたいだけです。編集:私はおそらく私が探しているものを明確にする必要があります:構文ツリーを格納するためにどのような種類のデータ構造が使用されるか、繁殖操作がどのように実行されるかなどに興味があります。

Answer 1

以下は、遺伝的プログラミングの学習に役立ったC++ HelloWorldの例の 1 つを簡単に書き直したものです。

using ga_vector = List<ga_struct>;

class ga_struct
{
    public ga_struct(string str, uint fitness)
    {
        Str = str;
        Fitness = fitness;
    }

    public string Str { get; set; }
    public uint Fitness { get; set; }
}

class Program
{

    private const int GA_POPSIZE = 2048;
    private const int GA_MAXITER = 16384;
    private const float GA_ELITRATE = 0.10f;
    private const float GA_MUTATIONRATE = 0.25f;
    private const float GA_MUTATION = 32767 * GA_MUTATIONRATE;
    private const string GA_TARGET = "Hello world!";

    private static readonly Random random = new Random((int)DateTime.Now.Ticks);

    static void Main(string[] args)
    {
        ga_vector popAlpha = new ga_vector();
        ga_vector popBeta = new ga_vector();

        InitPopulation(ref popAlpha, ref popBeta);
        ga_vector population = popAlpha;
        ga_vector buffer = popBeta;

        for (int i = 0; i < GA_MAXITER; i++)
        {
            CalcFitness(ref population);
            SortByFitness(ref population);
            PrintBest(ref population);

            if (population[0].Fitness == 0) break;

            Mate(ref population, ref buffer);
            Swap(ref population, ref buffer);
        }

        Console.ReadKey();
    }

    static void Swap(ref ga_vector population, ref ga_vector buffer)
    {
        var temp = population;
        population = buffer;
        buffer = temp;
    }

    static void InitPopulation(ref ga_vector population, ref ga_vector buffer)
    {
        int tsize = GA_TARGET.Length;
        for (int i = 0; i < GA_POPSIZE; i++)
        {
            var citizen = new ga_struct(string.Empty, 0);

            for (int j = 0; j < tsize; j++)
            {
                citizen.Str += Convert.ToChar(random.Next(90) + 32);
            }

            population.Add(citizen);
            buffer.Add(new ga_struct(string.Empty, 0));
        }
    }

    static void CalcFitness(ref ga_vector population)
    {
        const string target = GA_TARGET;
        int tsize = target.Length;

        for (int i = 0; i < GA_POPSIZE; i++)
        {
            uint fitness = 0;
            for (int j = 0; j < tsize; j++)
            {
                fitness += (uint) Math.Abs(population[i].Str[j] - target[j]);
            }

            population[i].Fitness = fitness;
        }
    }

    static int FitnessSort(ga_struct x, ga_struct y)
    {
        return x.Fitness.CompareTo(y.Fitness);
    }

    static void SortByFitness(ref ga_vector population)
    {
        population.Sort((x, y) => FitnessSort(x, y));
    }

    static void Elitism(ref ga_vector population, ref ga_vector buffer, int esize)
    {
        for (int i = 0; i < esize; i++)
        {
            buffer[i].Str = population[i].Str;
            buffer[i].Fitness = population[i].Fitness;
        }
    }

    static void Mutate(ref ga_struct member)
    {
        int tsize = GA_TARGET.Length;
        int ipos = random.Next(tsize);
        int delta = random.Next(90) + 32;

        var mutated = member.Str.ToCharArray();
        Convert.ToChar((member.Str[ipos] + delta)%123).ToString().CopyTo(0, mutated, ipos, 1);
        member.Str = mutated.ToString();
    }

    static void Mate(ref ga_vector population, ref ga_vector buffer)
    {
        const int esize = (int) (GA_POPSIZE*GA_ELITRATE);
        int tsize = GA_TARGET.Length, spos, i1, i2;

        Elitism(ref population, ref buffer, esize);

        for (int i = esize; i < GA_POPSIZE; i++)
        {
            i1 = random.Next(GA_POPSIZE/2);
            i2 = random.Next(GA_POPSIZE/2);
            spos = random.Next(tsize);

            buffer[i].Str = population[i1].Str.Substring(0, spos) + population[i2].Str.Substring(spos, tsize - spos);

            if (random.Next() < GA_MUTATION)
            {
                var mutated = buffer[i];
                Mutate(ref mutated);
                buffer[i] = mutated;
            }
        }
    }

    static void PrintBest(ref ga_vector gav)
    {
        Console.WriteLine("Best: " + gav[0].Str + " (" + gav[0].Fitness + ")");
    }

軽微なエラーがあるかもしれませんが、それ以外は正常に動作しているようです。また、C# の精神でより適切に記述できますが、それらは単なる詳細です。:)

Answer 2

Roger Alsing の Mona Lisa プロジェクトは非常に良い例です。 http://rogeralsing.com/2008/12/07/genetic-programming-evolution-of-mona-lisa/

編集:私がこの例が好きな理由は、それがかなり小さくて理解しやすいからです. 遺伝的プログラミングの概念を理解するための迅速かつ簡単な方法です。

Answer 3

Survival of the Fittest: Natural Selection with Windows Forms を見ることができます。

編集:私が見つけたこの前の SO questionを参照してください。かなりの重複です。リンクが理解できなくて申し訳ありません（質問でそのようなことを言及するのは良いことです）。また、回答が受け入れられたとしても、他の質問はまだ回答/編集のために開かれています。

Answer 4

Sean Luke の ECJ (Evolutionary Computation in Java) のこの C# .NET 4.0 ポートを試すことができます。

http://branecloud.codeplex.com

非常に柔軟で強力なソフトウェアです。しかし、すぐに使用できる多くの動作するコンソール サンプル (および変換中に開発された多くの役立つ単体テスト) が含まれているため、比較的簡単に始めることもできます。

ベン