智能优化算法——遗传算法[1]，2024最新Python中级面试题目汇总解答

#=结合/交叉过程===========

def crossover(parent1, parent2):

child1, child2 = indivdual(), indivdual()#父亲，母亲初始化

child1.x = 0.9 * parent1.x + 0.1 * parent2.x #交叉0.9,0.1，可以设置其他系数

child2.x = 0.1 * parent1.x + 0.9 * parent2.x

child1.fitness = fitness(child1.x)#子1适应度函数值

child2.fitness = fitness(child2.x)#子2适应度函数值

return child1, child2

#=变异过程======

def mutation(pop):

种群中随机选择一个进行变异

ind = np.random.choice(pop)

用随机赋值的方式进行变异

ind.x = np.random.uniform(-10, 10)

ind.fitness = fitness(ind.x)

#最终执行=====

def implement():

#=种群中个体数量==

N = 40

种群

POP = []

迭代次数

iter_N = 400

初始化种群

initPopulation(POP, N)

#进化过程==

for it in range(iter_N):#遍历每一代

a, b = selection(N)#随机选择两个个体

if np.random.random() < 0.65: # 以0.65的概率进行交叉结合

child1, child2 = crossover(POP[a], POP[b])

new = sorted([POP[a], POP[b], child1, child2], key=lambda ind: ind.fitness, reverse=True)#将父母亲和子代进行比较，保留最好的两个

POP[a], POP[b] = new[0], new[1]

if np.random.random() < 0.1: # 以0.1的概率进行变异

mutation(POP)

POP.sort(key=lambda ind: ind.fitness, reverse=True)

return POP