C# 遗传算法中的锦标赛评价

现在，每个遗传C#库（A.Forge，genetic Algorithm Framework，GeneticSharp）似乎只评估单个

染色体

，然后使用各种选择方法中的一种来创建新一代

因为我的问题涉及到两个人工智能之间的对抗，所以单独评估他们的健康状况有点困难。虽然游戏很简单，可以制造一些表面上的障碍（人工智能不直接交互，但障碍会发送给游戏中的其他人），让我获得一些抽象的适应度，但这不是“真正的”交易

---

这些库似乎也没有提供另一个接口，我可以实现这样的评估方法。是否有其他框架允许这一点，或者我需要从头开始？

每个遗传算法库都应该有一些方法来定义适应度函数，这才是您真正想要的。NET公开了该接口。GeneticSharp公开了界面。是的，你必须自己编写适应度函数——这是你的问题领域特有的部分。你可以让它变得简单或复杂

在每个染色体通过适应度函数并分配一个分数后，系统使用您喜欢的任何选择标准（锦标赛、轮盘赌等）来选择哪些染色体通过交叉和/或变异进入下一代

因此，与其说流程是这样的：

当代染色体配对

每对染色体起一个循环

赢家创造下一代

遗传算法的工作原理如下：

每一条染色体进行一轮并得到一个分数

选择算法使用该分数来选择总的赢家

赢家创造下一代

本质上，每一条染色体都已经在与其他染色体竞争，只是比你我玩游戏更抽象的一步而已

您可能会操纵适应度函数，将当前人口中的随机其他成员作为对手拉进来。最好是使用上一代最好的染色体作为整个当代的对手

---

为你的染色体分配点数，以便在游戏中取得进一步进展，并为对手制造障碍奖励点数（如果这是游戏中与正常游戏不同的独特动作）。返回染色体的最终分数作为适应度函数输出。

对于C#中的GA，我通常自己写。在任何情况下，适合度评估都是最难编写的部分。与其从头开始，为什么不放弃这些项目中的一个，帮助他们实现您需要的功能。您能展示一下您使用GeneticSharp迄今为止尝试过的代码吗？