point | demand | x | y |
---|---|---|---|
n1 | 2.3 | -5 | 7 |
n2 | 1.6 | 0 | -10.1 |
n3 | |||
n4 | |||
n5 | |||
n6 | |||
n7 | |||
n8 | |||
n9 |
总共有9个点,简单起见,我们编号为1、2、…、9,起点编号为0。
一个方案就是一个个体(Individual),比如下面是三个个体:
个体 | 编码 |
---|---|
Individual1 | [7, 1, 3, 0, 2, 6, 9, 4, 0, 5, 8] |
Individual2 | [5, 8, 0, 2, 4, 6, 0, 1, 3, 7, 9] |
Individual3 | [1, 7, 3, 0, 4, 8, 2, 9, 0, 5, 0, 6] |
个体1表示使用3辆车,第一辆走的路径是7->1->3,第二辆走的路径是2->6->9->4,第三辆走的路径是5->8。
初始种群
我们随机初始化50个个体作为种群的第一代成员。
这个操作很简单,我们想象这9个点为一副扑克牌,然后随机打乱,每次打乱的结果就作为一个个体,打乱50次,得到:
[9, 4, 1, 7, 8, 3, 5, 6, 2]
[3, 4, 2, 9, 5, 1, 8, 7, 6]
[8, 5, 3, 6, 9, 1, 2, 4, 7]
[7, 6, 2, 5, 8, 9, 3, 4, 1]
...
[8, 6, 7, 2, 9, 1, 5, 3, 4]
然后,根据容量限制,每辆车最多只能装5KG,将这些点进行划分,就得到初始种群:
[9, 4, 1, 7, 8, 0, 3, 5, 0, 6, 2]
[3, 4, 2, 9, 0, 5, 0, 1, 8, 7, 0, 6]
[8, 5, 0, 3, 6, 9, 0, 1, 2, 4, 0, 7]
[7, 6, 2, 0, 5, 8, 9, 0, 3, 4, 1]
...
[8, 6, 7, 2, 0, 9, 1, 0, 5, 3, 0, 4]
进化
选择
在种群里随机选择4个个体,分成两组,然后两两之间根据适应度比较,适应度好的作为父代,产生两个后代。
例如,随机选择的是下面4个个体:
个体 | DNA | 适应度 | 是否选择 |
---|---|---|---|
个体1 | [5, 3, 0, 7, 9, 6, 8, 0, 1, 4, 2] | 96.09 | ✓ \checkmark ✓ |
个体2 | [8, 7, 3, 6, 0, 5, 0, 4, 9, 1, 0, 2] | 108.71 |
个体 | DNA | 适应度 | 是否选择 |
---|---|---|---|
个体3 | [3, 4, 2, 0, 1, 0, 5, 0, 6, 7, 8, 9] | 96.29 | ✓ \checkmark ✓ |
个体4 | [3, 6, 8, 7, 0, 5, 9, 0, 4, 2, 1] | 103.95 |
根据适应度,选择了个体1和个体3作为父代。
交叉
将个体1和个体3中部分染色体片段进行交换,例如将个体1中的[3, 0, 7]与个体3中的[4, 2, 0]进行交换,得到:
[5, 4, 2, 0, 9, 6, 8, 0, 1, 4, 2]
[3, 3, 0, 7, 1, 0, 5, 0, 6, 7, 8, 9]
这样选择交叉25次,就可以得到50个后代。
变异
得到的50个后代中,根据一定概率产生变异,例如个体[3, 3, 0, 7, 1, 0, 5, 0, 6, 7, 8, 9]产生变异,随机将两个点进行交换,比如5和6进行交换,得到[3, 3, 0, 7, 1, 0, 6, 0, 5, 7, 8, 9]。
这里你一定注意到,得到的一些个体是“畸形”的,我们需要对其进行调整,比如个体[3, 3, 0, 7, 1, 0, 6, 0, 5, 7, 8, 9]。
首先检查重复:
第二个3是重复的,而缺了2,因此将第二个3替换成2,得到[3, 2, 0, 7, 1, 0, 6, 0, 5, 7, 8, 9]
第十个7十重复的,而缺了4,因此将第十个7替换成4,得到[3, 2, 0, 7, 1, 0, 6, 0, 5, 4, 8, 9]
然后检查容量(也即重新根据容量限制划分):
从[3, 2, 0, 7, 1, 0, 6, 0, 5, 4, 8, 9]得到[3, 2, 7, 0, 1, 6, 0, 5, 0, 4, 8, 9]
就这样经过选择、交叉、变异,得到了50个后代,作为种群的第二代。
最终结果
进化1000次,从最后得到的50个后代中,选择适应度最好的作为最终的结果。