遗传算法入门(连载之七)

3.4.2 Epoch （时代）
            遗传算法类中最烩灵人口的内容就是 Epoch()方法。这就是我们前面3.3节讲过的遗传算法的那个循环。它是这个类的工作部门（workhorse）。这一方法与所有工作或多或少都有连系。下面就让我们来更近距离地考察它

void CgaBob::epoch()  {   
UpdateFitnessScores();      在每一个 epoch 循环内所要做的第一件事情，就是测试染色体群中每一个成员的适应性分数。
UpdateFitnessScores() 是用来对每个基因组的二进制染色体编码进行译码的函数，而由它再把译码所得到的一系列结果，也就是由代表东、南、西、北四个方向的整数，发送给 CBobsMap::TestRoute 。后者检查Bob在地图中游走了多远，并根据Bob离开出口的最终距离，返回一个相应的适应性分数。

让我通过很少几行源码来告诉你怎样计算Bob的适应性分数:     int DiffX = abs(posX - m_iEndX);    int DiffY = abs(posY - m_iEndY);  这里，DiffX和DiffY 就是Bob所在格子相对于迷宫出口的水平和垂直偏离值。

试考察图 3.6 的例子。灰色小格代表Bob通过迷宫的路程，上面写着B的小格是他最终所到达的地方。在这一位置上，Diffx = 3，而 DiffY = 0。

图 3.6 Bob尝试寻找迷宫出口

这最后一行式子就是计算 Bob 的适应性分数。它把 DiffX与DiffY 两个数字加起来然后求倒数。DiffX与DiffY的和数中还加了一个１，这是为了确保除法不会出现一个分母为零的错误，如果 Bob到达出口，Diffx + DiffY = 0。

     UpdateFitnessScores 也保持对每一代里适应分最高的基因组、以及与所有基因组相关的适应性分数的跟踪。这些数值在执行轮盘赌选择时需要使用。到此，你已经知道了函数 UpdateFitnessScores() 所做的全部工作，让我们回到 Epoch 函数的讨论 ...

     由于在每一个Epoch中都需要创建一个新的基因组群，因此，当它们在创建出来时(每次２个基因组)，我们需要寻找一些地方来保存它们。

  //现在创建一个新的群体

  int NewBabies = 0;   

  //为婴儿基因组创建存储器 

 vector<SGenome> vecBabyGenomes;

现在继续讨论遗传算法循环中所处理的各种事务。

  while (NewBabies < m_iPopSize)    

  {

  //用轮盘赌法选择 2 个上辈（parents）

  SGenome mum = RouletteWheelSelection();  

  SGenome dad = RouletteWheelSelection();

        在每次迭代过程中，我们需要选择 2 个基因组来作为 2 个新生婴儿的染色体的上辈。我今后常喜欢把这２个上辈分别称为 dad （父亲）和 mum （母亲）因为他们将来就是要生孩子的）。你应该回忆得起来，一个基因组的适应性愈强，则由轮盘赌方法选择作为父母的几率也愈大。

 //杂交操作    

  SGenome baby1, baby2; 

  Crossover(mum.vecBits ,dad.vecBits, baby1.vecBits, baby2.vecBits);

       以上２行的工作是：创建 2 个空白基因组，这就是２个婴儿；它们与所选的上辈一起传递给杂交函数 Crossover() 。这一函数执行了杂交（需要依赖于所设杂交率m_dCrossoverRate来进行），并把新的染色体的２进制位串存放到２个新生婴儿 baby1和baby2之中。

  // 变异操作 

   Mutate(baby1.vecBits); 

   Mutate(baby2.vecBits);

       以上这 2 步是对婴儿实行突变！这听起来可怕，但这对他们是有利的。一个婴儿的位的突变概率依赖于所选的参数 m_dMutationRate（突变率）。

   // 把２个新生因个婴儿加入新群体 

   vecBabyGenomes.push_back(baby1); 

   vecBabyGenomes.push_back(baby2); 

    NewBabies += 2; 

}

       这 2 个新生后代最终要加入到新的群体中，这样就完成了一次 Loop 的迭代过程。这一过程需要不断重复，直到创建出来的后代总量和初始群体的大小相同。

  // 把所有婴儿复制到初始群体 

  m_vecGenomes = vecBabyGenomes; 

   // 代的计数加１ 

   ++m_iGeneration; 

}

       这里，原有的那个群体由新生一代所组成的群体来代替，并把代的计数器加１，以跟踪当前的代。就是这么一些了！呵呵，不难吧？

       这一 Epoch函数将无止境地重复，直到染色体收敛到了一个解，或到用户要求停止时为止。下面我将会向你显示上述各种操作（算子）的代码，但在此首先让我们来聊聊，应该如何确定使用的参数值。