基因相关性Java_遗传算法框架-基于java jenetics库实现

本篇并非介绍如何从0开始开发遗传算法框架，反而推荐各位使用已有的GA库jenetics来做遗传算法。

GA算法的逻辑还是贴下：

好了，下面介绍的是基于jenetics开发的更贴近业务侧的框架，以及使用方法。

pom依赖，毕竟java的嘛，就不要用matlab、R、python这些了

io.jenetics

jenetics

5.1.0

io.jenetics

jenetics.ext

5.1.0

先看看我们提供的这个框架，能怎样简化业务侧代码吧：

public static void main(String[] args) {

ExecutorService executorService = Executors.newFixedThreadPool(5); //需要指定一个线程池，因为GA算法需要很多运算

Demo1SolutionConverter demo1SolutionConverter = new Demo1SolutionConverter(); //这个class中定义了GA算法所需的底层基因序列的定义、以及业务解决方案class与基因的互相转换逻辑

Demo1FitnessBuilder fitnessBuilder = new Demo1FitnessBuilder(); //这个class定义了适应度函数的指向(遗传算法非常依赖适应度函数，非常非常依赖，重中之重)

EngineInvokeOptions options = new EngineInvokeOptions(); //引擎调用默认参数，如需改写默认参数单独修改即可

options.setFitnessBuilder(fitnessBuilder);

options.setEnableMaxLimits(true); //设置为停止条件为最大种群次数限制

options.setMaxLimits(20); //设置为最大次数限制为20次，既：20次种群迭代

for(int idx=0;idx<20;idx++) { //连续执行20次看效果

MinMaxScaler minMaxScaler = new MinMaxScaler(100, false);

GAEngine gaEngine = new GAEngine(50, executorService);

Demo1SolutionConverter.Demo1Solution solution = (Demo1SolutionConverter.Demo1Solution) gaEngine.generate(demo1SolutionConverter, minMaxScaler, options);

System.out.println(solution.toString());

}

executorService.shutdown();

}

我们先看看核心class：Demo1SolutionConverter，这个是每个业务都不同的地方，需要单独业务单独编码

public class Demo1SolutionConverter extends DefaultSolutionConverter { //DefaultSolutionConverter是框架里的默认实现，已经实现了很多默认方法

@Override

public AbstractSolution convert2Solution(EvolvingSolutionInfo solutionInfo) {

Demo1Solution solution=new Demo1Solution();

solution.setFitnessValues(solutionInfo.getFitnessValues());

Genotype geneMap=solutionInfo.getMap(); //这个是获取基因架

Chromosome chromosome=geneMap.getChromosome(); //获取默认的也就是第一个基因条

for(int idx=0;idx

{

IntegerGene integerGene=chromosome.getGene(idx);

if(integerGene.intValue()==1)

{

solution.getSelectedIds().add(idx); //这里实现的解码逻辑：共10个数字，有2种可能0和1，0代表不选中，1代表选中，选中了就会加入selectedIds这个List里

}