Algorithm 对于使用遗传算法的封闭路径规划任务，什么是良好的个体表示？_Algorithm_Graph_Genetic Algorithm

Algorithm 对于使用遗传算法的封闭路径规划任务，什么是良好的个体表示？

algorithm graph

Algorithm 对于使用遗传算法的封闭路径规划任务，什么是良好的个体表示？,algorithm,graph,genetic-algorithm,Algorithm,Graph,Genetic Algorithm,有一个n*n网格，网格的一个单元中有一个代理a。 A可以移动T个细胞网格中的每个单元格都有一些权重，而A的路径必须最大化该权重 A还必须返回其行程T内的起始位置什么是一个好的个体表示来表示路径我尝试过的方法：染色体是一个坐标列表染色体是一系列的方向。每个基因都是向上、向下、向右、向右等方向。中间路径从不间断。这两种方法的问题在于，交叉几乎总是生成无效路径。道路在中间变得破碎。它们不会形成一条封闭的路径。我似乎找不出一个好方法来表示单个解决方案和适当的交叉方法。请帮助。首先，我想说，这

有一个n*n网格，网格的一个单元中有一个代理a。 A可以移动T个细胞

网格中的每个单元格都有一些权重，而A的路径必须最大化该权重

A还必须返回其行程T内的起始位置

什么是一个好的个体表示来表示路径

我尝试过的方法：

染色体是一个坐标列表

染色体是一系列的方向。每个基因都是向上、向下、向右、向右等方向。中间路径从不间断。

这两种方法的问题在于，交叉几乎总是生成无效路径。道路在中间变得破碎。它们不会形成一条封闭的路径。我似乎找不出一个好方法来表示单个解决方案和适当的交叉方法。请帮助。

首先，我想说，这个问题更适合其他方法，例如，贪婪的方法，提供足够好的解决方案等。气体可能不太适合您描述的确切原因

但是，如果必须使用气体，以下两种可能的模型可能值得研究：

通过给予无效移动-无限的代价来严惩无效路径。例如，如果你的染色体说从一个细胞<代码> x<代码>到一个不可达的细胞<代码> y>代码>，考虑<代码> y>代码>无穷远的代价。这可能值得与交叉发生的低概率相结合，大约5%

不要做交叉，只是对后代做一些更复杂的变异

如果你想变得更喜欢，这有点类似于，它有很多关于遗传算法的研究：

首先，我想说，这个问题更适合其他方法，例如，贪婪的方法，可以提供足够好的解决方案等。气体可能不太适合你描述的确切原因

但是，如果必须使用气体，以下两种可能的模型可能值得研究：

不要做交叉，只是对后代做一些更复杂的变异

如果你想变得更喜欢，这有点类似于，它有很多关于遗传算法的研究：

您可以将路径编码为参考列表：假设这些是您的位置

（123456789）

（1 2 3 4 8）

的子集路由可以进行编码

（1 2 1 4）

现在带上两个父母


p1=（1 1 2 1 | 4 1 3 1）
p2=（5 1 5 | 5 3 2 1）

那会产生什么


o1=（1 1 2 1 5 3 2 1）
o2=（51541311）

它们将被解码成这些定位路线


o1=1-2-4-3-9-7-8-6-5
氧气=5-1-7-8-6-2-9-3-4

这样，交叉总是会产生有效的结果（这种表示是否能帮助您更好地解决问题是另一个问题）

可以找到一些附加信息。