简单的遗传算法实例

import random

import datetime

#基因范围                                                                                                                                                                                                   

genes=' abcdefghijklmnopqrstABCDEFGHIJKLMNOPQRSTUVWXYZ!'#注意首行有个空格                                                                                                                                  

#目标                                                                                                                                                                                                       

target='Genetic Algorithm!'

def generate_parent(length):

    sample=[]

   #如果生成的序列的长度大于genres的长度，需要使用循环来生成                                                                                                                                               \

                                                                                                                                                                                                            

    while length>len(genes):

        sample.extend(random.sample(genes,len(genes)))

        length-=len(genes)

 #这个地方要使用extend，添加可迭代对象的元素到sample列表里面                                                                                                                                                

 # append是添加对象在列表里面                                                                                                                                                                               

    sample.extend(random.sample(genes,length))

    return ''.join(sample)

def get_fitness(guess):

    return sum([1 for k,v in zip(guess,target) if k==v])

def mutate(parent):

    index=random.randrange(0,len(parent))

    child=list(parent)

    new,alt=random.sample(genes,2)

    child[index]=new if child[index]!=new else alt

    return ''.join(child)

def display(guess):

    timediff=datetime.datetime.now()-starttime

    fitness = get_fitness(guess)

    print("{0}\t{1}\t{2}".format(guess, fitness, str(timediff)))

random.seed()

starttime=datetime.datetime.now()

bestparent=generate_parent(len(target))

bestfitness=get_fitness(bestparent)

display(bestparent)

count=0

while True:

'''这部分代码是最关键的                                                                                                                                                                                     

 首先看新生成的孩子的匹配度是否高于父亲的匹配度                                                                                                                                                             

 如果是，则把该孩子作为下一代的父亲                                                                                                                                                                         

 如果不是，直接舍弃掉。                                                                                                                                                                                     

 这样可以保证输出准确的结果                                                                                                                                                                                 

 由于每次只对一个基因进行突变，所以每次匹配度最多增加1                                                                                                                                                      

 count 记录了总共循环的次数                                                                                                                                                                                 

'''

    count+=1

    child=mutate(bestparent)  #突变

    childfitness=get_fitness(child)

    if  childfitness<=bestfitness:

        continue

    display(child)

    if get_fitness(child)==len(target):

        break

    bestparent=child

    bestfitness=get_fitness(child)

print(count)

#测试结果

==================== RESTART: /Users/zxy/Documents/GA.py ====================
DZTCoKbpFIPjMGlnXW 0 0:00:00.000334
DZTCtKbpFIPjMGlnXW 1 0:00:00.137380
DZTCtKbpFIPjrGlnXW 2 0:00:00.250656
DZTCtibpFIPjrGlnXW 3 0:00:00.371055
DZTCtibpFIPjrGlhXW 4 0:00:00.464222
DZTCtibpFIPjrGlhmW 5 0:00:00.583061
GZTCtibpFIPjrGlhmW 6 0:00:00.703987
GZTCtibpFIPjrilhmW 7 0:00:00.800174
GZTCtibpAIPjrilhmW 8 0:00:00.900482
GZTCtib AIPjrilhmW 9 0:00:00.972964
GeTCtib AIPjrilhmW 10 0:00:01.082624
GeTCtib AIPjrithmW 11 0:00:01.202221
GenCtib AIPjrithmW 12 0:00:01.324595
Genetib AIPjrithmW 13 0:00:01.398448
Genetib AlPjrithmW 14 0:00:01.474818
Genetib AlgjrithmW 15 0:00:01.567963
Genetib Algjrithm! 16 0:00:01.684794
Genetib Algorithm! 17 0:00:01.743722
Genetic Algorithm! 18 0:00:01.823464
2417