Python—遗传算法解决着色问题(更正版)
遗传算法在着色问题的应用
遗传算法的主要思想是利用种群的更迭,个体的变异以及产生子代来完成对于接的优化。 产生的个体,具有随机的适应度。将一定数目的互不相同的个体放在一起,就组成了一个种群。个体可能产生基因的变异,放在染色问题上,一个个体中的所有节点的染色方案,可以看成是当前个体的一个’基因’,基因变异意味着当前个体的节点的染色方案中的部分节点的颜色发生改变(得得得得得得得得得得),而子代的产生则是父代两种着色方案之间的交叉。通过变异和子代的产生,可以得到新一代的群体,不断地更新群体,完成适应值的改变,最终得到问题的解
算法思路
自定义Map函数用于构造图,Border函数用于处理边界连接信息,个体Individual函数用于完成个体的变异,子代的产生操作,Population群体用于完成种群的更新。
- 注意:个自定义模块的引用,放在父级目录文件夹之下,引用不会出现错误;
- 注意:引用的numpy版本需要改为1.19.3,否则可能出现错误;
- 注意:第二题用这种方法很难出结果,突变的基因导致适应度的不稳定性更新,一直没出结果的话,建议大家换个方法。
更正后的代码资源链接
链接:https://pan.baidu.com/s/1exDn6jqQNlfZhB0rjsaI1Q
提取码:qmun
参考博客:
[1]: https://blog.csdn.net/weixin_40374182/article/details/106597750