我无法使用python中的遗传算法得到正确的答案

概述我试图用python写一个简单的生成算法,应该给我提供“ Hello World”.它工作正常,但无法通过“最大迭代”常量给出核心答案.它只是在无限循环中工作.这是我的代码如下：import random class GAHello(): POPULATION_SIZE = 1000 ELITE_RATE = 0.1 SURVIVE

我试图用python写一个简单的生成算法,应该给我提供“ Hello World”.它工作正常,但无法通过“最大迭代”常量给出核心答案.它只是在无限循环中工作.

这是我的代码如下：

import randomclass GAHello():    POPulATION_SIZE = 1000    EliTE_RATE = 0.1    SURVIVE_RATE = 0.5    MUTATION_RATE = 0.2    TARGET = "Hello World!"    MAX_ITER = 1000    def InitializePopulation(self):        tsize: int = len(self.TARGET)        population = List()        for i in range(0,self.POPulATION_SIZE):            str = ''            for j in range(0,tsize):                str += chr(int(random.random() * 255))            citiZen: Genome = Genome(str)            population.append(citiZen)        return population    def Mutation(self,strng):        tsize: int = len(self.TARGET)        ipos: int = int(random.random() * tsize)        delta: chr = chr(int(random.random() * 255))        return strng[0: ipos] + delta + strng[ipos + 1:]    def mate(self,population):        esize: int = int(self.POPulATION_SIZE * self.EliTE_RATE)        tsize: int = len(self.TARGET)        children = self.select_elite(population,esize)        for i in range(esize,self.POPulATION_SIZE):            i1: int = int(random.random() * self.POPulATION_SIZE * self.SURVIVE_RATE)            i2: int = int(random.random() * self.POPulATION_SIZE * self.SURVIVE_RATE)            spos: int = int(random.random() * tsize)            strng: str = population[i1][0: spos] + population[i2][spos:]            if(random.random() < self.MUTATION_RATE):                strng = self.Mutation(strng)            child = Genome(strng)            children.append(child)        return children    def go(self):        popul = self.InitializePopulation()        for i in range(0,self.MAX_ITER):            popul.sort()            print("{} > {}".format(i,str(popul[0])))            if(popul[0].fitness == 0):                break            popul = self.mate(popul)    def select_elite(self,population,esize):        children = List()        for i in range(0,esize):            children.append(population[i])        return childrenclass Genome():    strng = ""    fitness = 0    def __init__(self,strng):        self.strng = strng        fitness = 0        for j in range(0,len(strng)):            fitness += abs(ord(self.strng[j]) - ord(GAHello.TARGET[j]))        self.fitness = fitness    def __lt__(self,other):        return self.fitness - other.fitness    def __str__(self):        return "{} {}".format(self.fitness,self.strng)    def __getitem__(self,item):        return self.strng[item]

谢谢你的建议.我真的是菜鸟,并且我只是训练和试验这样的算法和优化的东西来探索人工智能方法.

更新

运行的地方

if __name__ == '__main__':    algo = GAHello()    algo.go()

我的输出：

0 > 1122 Ü<pñsÅá׺Ræ¾1 > 1015  ÷zËÔ5AÀ©«2 > 989 "ÆþõZi±Pmê3 > 1076 ­ ØáíAÀ©«4 > 1039 #ÆþÕRæ´Ìosß5 > 946 ×ZÍG¤'ÒÙË6 > 774 $\àPÉ7 > 1194 A®Ä§öÝÖ Ð8 > 479 @r=q^Ü´{J9 > 778 X'YþH_õÏÆ10 > 642 z¶$oKÐ{...172 > 1330 ê¸EïôÀ«ä£ü173 > 1085 ÔOÕÛ½e·À×äÒU174 > 761 OÕÛ½¤¯£+} 175 > 903 P½?-´ëÎm|4Ô176 > 736 àPSÈe<1177 > 1130 ªê/*ñ¤îã¹¾^178 > 772 OÐS8´°jÓ£...990 > 1017 6ó¨QøÇ?¨Úí991 > 1006 |5ÇÐR·Ü¸í992 > 968 ×5QÍË?1V í993 > 747 B ªÄ*¶R·Ü$F994 > 607  `ªLaøVLº995 > 744 Ìx7eøi;ÄÝ[996 > 957 ¹8/ñ^ ¤997 > 916 Ú'dúý8}û« [998 > 892 ÛWòeTùv­6ç®999 > 916 õg8g»}à³À

样本输出应该是：

0 > 419 Un~?z^Kr??p┬1 > 262 Un~?z^Kr?j?↨2 > 262 Un~?z^Kr?j?↨…15 > 46 Afpdm'Ynosa"16 > 46 Afpdm'Ynosa"17 > 42 Afpdm'Ynoia"18 > 27 Jfpmm↓Vopoa"…33 > 9 IElmo▼Wnole"34 > 8 IElmo▲Vopld"35 > 8 IElmo▲Vopld"…50 > 1 Hello World"51 > 1 Hello World"52 > 0 Hello World!

最佳答案我相信,您的列表排序是您的主要问题.

popul.sort()

尝试

popul.sort(key = lambda x：x.fitness)

这将按照他们的健康水平对他们进行排序,这就是我认为您想要的.

我也将所有int(random.random()* 255)更改为random.randint(30,125)以仅获取有效字符,因为我在运行时遇到了麻烦.

总结

以上是内存溢出为你收集整理的我无法使用python中的遗传算法得到正确的答案 全部内容，希望文章能够帮你解决我无法使用python中的遗传算法得到正确的答案 所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。