C ++中遗传算法的最佳数据结构？

Posted 2023-02-22

【中文标题】C ++中遗传算法的最佳数据结构？

【英文标题】：Best Data Structure for Genetic Algorithm in C++?

【发布时间】：2009-07-09 04:47:13

【问题描述】：

我需要实现为我的问题（大学项目）定制的遗传算法，第一个版本将其编码为短矩阵（每条染色体的位数 x 人口大小）。

这是一个糟糕的设计，因为我声明了一个简短但仅使用“0”和“1”值...但它只是一个原型，它按预期工作，现在是时候让我开发一个新的、改进的版本。性能在这里很重要，但简单性也值得赞赏。

我研究并想出了：

对于染色体： - 字符串类（如“0100100010”） - 布尔数组 - 向量（向量似乎针对 bool 进行了优化） - Bitset（听起来最自然）

对于人口： - C 数组[] - 矢量 - 队列

我倾向于为染色体选择向量，为流行选择数组，但我想听听任何对此主题有经验的人的意见。

提前致谢！

【参考方案1】：

我猜你想要随机访问人口和基因。您说性能很重要，我将其解释为执行速度。所以你可能最好使用vector<> 用于染色体和vector<char> 用于基因。 vector<char> 的原因是 bitset<> 和 vector<bool> 针对内存消耗进行了优化，因此速度很慢。 vector<char> 将以 x8 内存为代价提供更高的速度（假设 char = 系统上的字节）。因此，如果您想要速度，请使用vector<char>。如果内存消耗是最重要的，那么使用vector<bool> 或bitset<>。 bitset<> 在这里似乎是一个自然的选择，但是，请记住，它是以位数为模板的，这意味着 a) 基因的数量必须在编译时固定并已知（我猜这是big no-no)，并且 b) 如果您使用不同的大小，那么您使用的每个bitset 方法的每个bitset 大小都会得到一个副本（尽管内联可能会否定这一点），即代码膨胀。总的来说，如果你不想要vector<char>，我猜vector<bool> 更适合你。

如果你关心vector<char>的美观，你可以typedef char gene;，然后使用vector<gene>，这样看起来更自然。

string 与 vector<char> 类似，但更麻烦。

【参考方案2】：

专门回答你的问题。我不确定你的建议是什么。您谈论数组和字符串类。您是否在谈论 STL 容器类，您可以在其中拥有队列、位集、向量、链表等。如果您是，我会为您的总体建议一个向量（最接近 C 数组的东西）和一个位集为您的染色体担心内存容量。否则，因为您已经在使用您的 dna 字符串表示的向量。 ("10110110")

对于想法和涉足的好工具。建议您下载并初步使用此库。它适用于主要的编译器。适用于 unix 变体。有所有的源代码。

所有框架的东西都为你完成了，你会学到很多东西。稍后您可以从头开始编写自己的代码或从这些类继承。如果需要，您也可以在商业代码中使用它们。

因为它们是对象，您可以轻松地将 DNA 的表示从整数更改为实数，再到结构，再到树再到位数组等。

总是需要学习治疗，但这是值得的。

我用它来生成数千个神经网络，然后用一个简单的适应度函数将它们剔除，然后真正运行它们。

加利布

http://lancet.mit.edu/ga/

【讨论】：

看起来很有趣。然而，我会坚持我现在所知道的魔鬼。干杯

【参考方案3】：

假设您想自己编写代码（如果您想要一个外部库 kingchris 似乎有一个不错的库），这实际上取决于您需要进行什么样的操作。为了在内存方面获得最大的收益，您可以使用任何整数类型并通过位掩码等设置/操作各个位。现在，就易用性而言，这种方法可能不是最佳的......上面的字符串示例将起作用好的，但是它再次与短裤没有显着不同，这里您现在只是用 8 位值表示“0”或“1”，而不是 16 位值。此外，再次取决于操作，字符串大小写可能会变得笨拙。因此，如果您可以提供有关该算法的更多信息，我们可能会提供更多反馈。我自己喜欢将单个位作为整数（位集）的一部分，但如果您不习惯掩码、移位和所有这些好东西，它可能不适合您。

【参考方案4】：

我建议为每个总体成员编写一个类，这样可以大大简化事情，因为您可以将所有与成员相关的函数保存在同一个位置，并用实际数据很好地包装。

如果您需要一个“布尔数组”，我建议您使用一个 int 或几个 int（然后使用掩码和逐位操作来访问（修改/翻转）每个位），具体取决于您的染色体数。

我通常对人口使用某种集合类，因为仅仅一个人口成员数组不允许您简单地添加到您的人口中。我建议实现某种动态列表（如果您熟悉 ArrayList，那么这是一个很好的例子）。

我用上面的方法在遗传算法上取得了巨大的成功。如果你准备好你的成员类，它可以真正简化事情，让你专注于编码更好的遗传算法，而不是担心你的数据结构。