应用遗传算法(GA)的实操步骤

应用遗传算法(GA)的实操步骤

说起遗传算法(GA)，大抵搞运筹学的亲们都比较熟悉。经过多年的发展，GA算法日益完善，在各个领域也有广泛应用。虽然，在原有场景下，GA不断被新的算法所“置换”，但是作为经典算法，且较于其他算法稳定，常用于建模学习。
对于一个运筹学问题，一般是规划类问题，常常以“数学公式”（目标函数和约束方程）的方式进行表达。

对于一个实际问题，我更倾向于先把实际问题理解清楚，而非直接去观察方程。虽然方程更加严谨，但是不便于理解。
用GA方法求解问题，我总结成以下步骤：

1. 编码
   实际上，个人认为，把编码掌握，就可以说问题解决了一半。
   a) 被编码的部分，应该是参与决策的自变量部分（额，更加准确的说法是“决策变量”，科普文不要在意这些细节）。
   一个简单的例子。选址问题。
   例1：假设在一个有范围的二维平面内随机生成m个点(m>0)，记做$p_1,p_2,...,p_i,...p_m$，我们需要在这些点中选择n个（n是确定的值，0<n<m, 且n!=1），记做$s_1,s_2,...s_j,...,s_n$,
   定义dist(p_i, s) = min(d(p_i, s_j)) for j = 1…n,其中min表示最小值，d(x,y)表示两点之间的欧式距离，使得sum(dist(p_i, s) for i = 1…m)最小的s.

此问题在实际问题中是有背景意义的。假设有100个配送点，现要从这些配送点中选择10个作为配送中心，其他配送点选择从最近的配送中心拿货，如何选择配送中心使得其他配送点到配送中心之间的距离之和最小。
这其实是同一个问题。
我们来看，我们要找的是一些点集（s），所以，我们需要对s进行编码。如果对p进行编码，也不是不可以，还是能出结果，毕竟，显然s是p的子集，但是效果就差一些。

b) 编码的选择上需要斟酌
在GA中，一共有3种编码方式–二进制编码（也叫01编码），整型编码（也叫整数编码），实型编码（也叫小数编码）。
按前例例1，我们就可以选择整型编码，确定编码长度是n，编码范围是1到m之间的整数值，且互不相等。而，如果上例例1错用做对p编码，此处必然会选择二进制编码，编码长度为m，编码范围是{0， 1}。
此时，我们还必须加入约束条件，使得编码之和等于n。编码错误的弊端凸显–既增加了编码量，又对约束更加苛刻。

再例如
例2：假设在一个有范围的二维平面内随机生成m个点(m>0)，记做$p_1,p_2,...,p_i,...p_m$，我们重新生成n个（n是确定的值，0<n<m, 且n!=1），记做$s_1,s_2,...s_j,...,s_n$,
定义dist(p_i, s) = min(d(p_i, s_j)) for j = 1…n,其中min表示最小值，d(x,y)表示两点之间的欧式距离，使得sum(dist(p_i, s) for i = 1…m)最小的s.

此问题在实际问题中也是有背景意义的。假设有100个配送点，现欲新建10个配送中心，配送点选择从最近的配送中心拿货，如何选择配送中心使得其他配送点到配送中心之间的距离之和最小。

这里我们既然是新建点，和例1的选择有所不同。我们就需要从m个点的取值范围着手，使用实型编码，编码的长度是n,编码的范围是个m点的取值范围。因为实型编码很难重复，所以重复约束不做考虑。

再如，
例3：假设在一个有范围的二维平面内随机生成m个点(m>0)，记做$p_1,p_2,...,p_i,...p_m$，我们选择n个（n是不确定的值，0<n<m, 且n!=1），记做$s_1,s_2,...s_j,...,s_n$,
定义dist(p_i, s) = min(d(p_i, s_j)) for j = 1…n,其中min表示最小值，d(x,y)表示两点之间的欧式距离，使得sum(dist(p_i, s) for i = 1…m)最小的s.

显然，n趋于m的时候，距离之和趋于0。在实际情况中，往往以其他约束方式进行限制（比如，建设配送中心的成本等），此处只讨论编码。这里，编码就用二进制编码为宜，类似于例1中的编码方法，编码长度为m，编码范围是{0， 1}。再另加约束。
如果此时，我们采用整型编码，就需要确定可能存在的最大编码长度，再引入无效的编码，比如编码0，不对应任何一p（配送点）。这里的编码难度比较大，无效编码较多稍逊色与二进制编码。

2. 评价函数的处理
   评价函数，直接决定种群的进化方向。如果说编码使用不佳会导致迭代次数增加，那么评价函数错直接导致结果不正确。我们从目标函数和约束两个方向进行讨论。
   a) 目标函数
   首先，目标函数并不等同于评价函数。我之前在学习的过程中，曾经混淆过这两个的概念。如今看来，目标函数与评价函数相差的有两点–一是，评价函数比目标函数多了一些约束；二是，评价函数可以做近似计算。
   第一点毋庸置疑，第二点着重强调，因为有可能目标函数过于复杂，计算量大，做近似计算的话，如果函数趋势相同或者近似，在求解精确程度影响不大的基础上提高算法效率，何乐不为。
   在这一方面，可以类比“果蝇”算法–这个算法过于特殊，以至于每次回想起来总有“这个东东怎么可以这样去写”的感叹。
   不过，虽说可以近似，在实际中，近似函数比较难以操作，普遍的做法，目标函数是肯定要写进评价函数里面的。当然，写起来还是有技巧：
   如果使用的框架是“评价函数得到取值越高，个体越优”的策略，可是你的目标是求最小值，那么不妨把目标函数取相反数，变为与框架相符的策略；
   如果使用的框架是“评价函数得到取值越高，个体越优”的策略，可是你的目标是越接近某值（我们假设这个值是y’吧），那么不妨评价函数设为1/|y-y’|(y是把编码对应的决策变量带入评价函数所得到的值，|.|代表绝对值)，变为与框架相符的策略。
   当然，聪明的你可能也想到了其他的方案，只要能把函数映射到你所需要的域就可以。

b) 约束方程
对于约束方程，着实是个比较头痛的问题。解决起来，不仅需要经验，有时候甚至需要一些灵感。经验之谈，在此分享，若有其他思路，也欢迎讨论。
首先，部分约束在编码的时候已经体现过了，就无需写进评价函数。这个约束体现在编码的长度，编码的取值范围了。
次之，有些约束体现在了新种群的生成策略上，也不需要写进评价函数。新种群的生成策略，就包含了变异，交叉等。低三部分着重展开。
最后，剩下的约束影响评价函数。
而影响评价函数的这部分，也有以下情况
一是无效的编码。无效的编码或许会写成惩罚函数，返回得到一个其他正常编码所对应的评价函数到不了的极差值。
二是按权重影响。比如，在“评价函数得到取值越高，个体越优”的种群中，你可能需要把约束变形乘一个系数减到评价函数中。如果约束比较多，还需要大致确定哪个，或者哪些影响更大一些，这样系数比例也有不同。

需要补充的是，在其他算法中，这两点可能稍有变化，在学习过程中可能不能类比。
如，天牛须搜索算法中，由于没有定义边界，所以如（一）所言的失效编码的极差值不应为一个定值，不然可能导致算法无启发性。或许，这个“极差值”也有所比较
是个目测可行的方案。
再如，禁忌搜索中提供了禁忌表，也可以作为约束处理的方法。

3. 其他
   实际上，GA作为“老牌”算法，已经框架化了。很多情况下，包括交叉、变异、筛选等操作，并不需要详细讨论。但是，还是一句话，具体问题要具体分析。
   比如，在解决旅行商(TSP)问题的时候，m个城市，如果采用整型编码，编码长度为m，每个染色体是1~m的一个排列，那么在交叉的时候，按照一般方案很可能出现有些节点没走到，有些节点走了多次的情况。
   先在选择点中插入，再去重的策略，来保证“不重不漏”。在变异的时候，也可以采取选择染色体中的一段，再随机排列的手段；或者做染色体易位的操作（类似于生物学上的染色体易位）。
   再如，曹美容提到《O2O模式下生鲜冷链配送路径优化研究》所描述的背景问题,车辆规划路径的时候还需要考虑回到配送中心，那么如果用GA处理的话，就需要用型编码加上0编码做挡板的方式进行处理，不仅要做TSP问题类似的交叉变异方法，还需要讨论两个0并列的时候存在的特殊情况（两个0并列的话意味着有一辆车未送货，与实际不符）。

综上，GA虽然提出时间较久，依然有细节值得探讨与研究。也时间仓促恐有误，欢迎讨论。