概述
该问题中所使用到的部分函数与知识与局部搜索、模拟退火中的相同,参照k图着色 局部搜索算法与模拟退火算法的python实现
遗传算法的整体思路比较简单,在解决图着色问题时这里解的编码形式就是所有节点的颜色序列,这时候依旧可以使用之前在局部搜索和模拟退火算法中所用的冲突计算函数get_conflict_count(graph, color_solution)来评价个体的优秀程度,这里不再做详细的赘述。
先使用get_random_solution(color_num,city_list)来生成一定数量的种群,之后设置个迭代限制,在迭代循环中首先使用get_conflict_count()来计算种群中每个个体的冲突数量,若有0冲突的个体,那么直接终止返回该最优解,若没有则下面进行新的种群生成。
注意:随机产生的解形式与其编码的形式并不相同,两者可以互相转换,后面的伪代码中省去了这一转换步骤,这么做也为重用之前已有的代码带来了方便。encode()与decode()。
解的形式:
解的编码形式如下:
- 选择:根据之前计算的个体冲突个数可以按某种最优的方式来选去下一代的解,例如说直接按照冲突个数从小到大选择前面冲突数最少的,也可以按概率选择,冲突数越小的被选择到的概率越大,轮盘赌的方式比较适合。这里采用最简单的前k个来选择优秀个体。
- 交叉:在这里直接使用简单的交叉方式,也就是随机选择两个解序列,将两个解序列的前半段与后半段互相交换,若编码长度为奇数则前半段直接取截断的数字,这样