控制39位字符串的變異作為g.netic算法的候選解

Question

我正在研究優化問題。 我有X個救護車位置，其中X的范圍是1-39 。

有43個號碼[救護車位置]可供選擇(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39) ，我們選擇其中的3 ，因為我有 3 個救護車。

我只能將我的救護車停在 1-39 個位置中的三個位置（限制）。 假設我想把我的 Ambulance 放在5th, 19th, and 31 positions. -- Chromosome 1= [000010000000000000100000000000100000000] 。 在上面的演示中， I am turning on 5-bit, 19-bit, and 31-bit.

是否可以稍微接近原始解決方案？ 例如，在原始 position 中保留2 bits並隨機更改第3rd bit接近2bits 。 It is important for me to keep 3bits on among 39bits 。 我想做一個控制突變，目的是產生一個小的變化。

我的目標是make small changes ，因為每bit都代表一個location 。 突變的目的是進行小的更改並查看評估結果。 因此，代碼應該做這樣的事情。 As for CS1: (111000000000000000000000000000000000000) , I want something like (011010000000000000000000000000000000000) , or (011001000000000000000000000000000000000) , or (010110000000000000000000000000000000000) or (101010000000000000000000000000000000000) , or (00101100000000000000000000000000000000) , etc

要實現變異，有什么好方法可以將當前位置隨機更改為其他位置，保持范圍僅在 1-39 個位置之間（限制）？

Answer 1

你可以使用 numpy 並做類似的事情

import numpy

s = "1110000000000000000000000000"
def mutate(s):
    arr = numpy.array(list(s))
    mask = arr == "1"
    indices_of_ones = numpy.argwhere(mask).flatten()
    pick_one_1_index = numpy.random.choice(indices_of_ones)
    potential_swaps = numpy.argwhere(~mask).flatten()
    distances = numpy.abs(pick_one_1_index - potential_swaps)
    probabilities = (1/distances) # higher probabilities the less distance from its original position
    # probabilities = (1/(distances*2)) # even higher probabilities the less distance from its original position
    pick_one_0_index = numpy.random.choice(potential_swaps,p=probabilities/probabilities.sum())
    arr[pick_one_1_index] = '0'
    arr[pick_one_0_index] = '1'
    return "".join(arr)

可能有更優的解決方案

或者，您可以為距離添加標量或冪，以對距離進行更多懲罰...

如果你想測試不同的乘數或冪的概率，你可以使用類似

def score_solution(s1,s2):
    ix1 = set([i for i,v in enumerate(s1) if v == "1"])
    ix2 = set([i for i,v in enumerate(s2) if v == "1"])
    a,b = ix1 ^ ix2
    return numpy.abs(a-b)

def get_solution_score_quantiles(sample_size=100,quantiles = [0.25,0.5,0.75]):
    scores = []
    for i in range(10):
        s1 = mutate(s)
        scores.append(score_solution(s,s1))
    return numpy.quantile(scores,quantiles)

print(get_solution_score_quantiles(50))