電動汽車分配的遺傳算法技術

Question

我要解決的問題是關於電網中電動汽車（EV）的最佳配置。 我的網格有20個可能的位置（母線），每個位置允許接收一個EV。 每個染色體的長度為20，其基因可以為0或1，其中0表示沒有EV，而1表示該位置（母線）有EV。

我從隨機分配的固定數量的EV（例如5個）開始我的人口（100個個體）。 讓他們通過我的GA不斷發展。 GA利用比賽選擇，2分交叉和翻轉位突變。 每個染色體/個體通過適應度函數進行評估，該函數計算條之間的功率損耗（RI ^ 2之和）。 最好的染色體是功率損耗最低的染色體。

問題在於，利用2點交叉和翻轉位突變會更改必須在網格中的固定數量的EV。 我想知道什么是我的通用航空運營的最佳技術。 除此之外，我得到了這代人最適合的染色體的奇怪圖形1

我將不勝感激任何幫助/建議。 謝謝。

Answer 1

您希望以這樣一種方式定義狀態空間，即您選擇的突變不會創建非法配置。

這可能不適合遺傳算法。 如果您要從20個中選擇5個，則可能有約1.5萬個可能性。 對50多個世代中的100個種群進行測試已經為您提供了足夠的計算能力，足以完成1/3的蠻力工作。

Answer 2

如果您要在網格上分配N EV，則可以使用大小為N的染色體，每個基因都是代表EV位置的整數。 對於交叉，您首先需要將兩個親本中相同的值與其余的分開，並對不同的部分應用經典（1或2點）交叉，並隨機變異一個基因以選擇有效的可用位置。