C# 遗传算法停止变异

我目前正试图让我的遗传算法“生成”或“进化”到一个给定的单词。问题是，它从来没有完全达到这个词，它停止在一个太高的健身分数，即使它应该继续变异

举个例子：

用户输入=“HelloWorld”
500代之后=“XelgoWorfd”

我不知道为什么它不会继续变异。通常，它应该通过随机更改字符串中的一些字符来恢复

所以我很高兴能得到一些帮助

以下是一个基本的逐步解释：

用完全随机的字符串创建20条染色体

计算与目标词相比的体能得分。 （计算Ascii ID差异）

将两条染色体配上最好的分数

随机变异一些染色体（更改随机字符串字符）

杀死90%的弱势群体，并用精英染色体（具有当前最佳适配分数的染色体）替换

重复一切

下面是我算法中最重要的方法：

public Chromoson[] mate(string gene) {
    Console.WriteLine("[MATING] In Progress : "+gens+" "+gene);

    int pivot = (int)Math.Round((double)gens.Length / 2) - 1;

    string child1 = this.gens.Substring(0, pivot) + gene.Substring(pivot);
    string child2 = gene.Substring(0, pivot) + this.gens.Substring(pivot);

    Chromoson[] list = new Chromoson[2];

    list[0] = new Chromoson(child1);
    list[1] = new Chromoson(child2);

    Console.WriteLine("[MATING] Pivot : "+pivot);
    Console.WriteLine("[MATING] Children : "+child1+" "+child2);

    return list;
}

public void mutate(float chance, int possiblyChanges) {
    if (random.Next(0,101) <= chance) return;

    int changes = random.Next(0, possiblyChanges + 1);
    //int index = (int) Math.Floor((double)random.Next() * this.gens.Length);

    for (int i = 0; i < changes; i++) {
        int index = random.Next(0, 13);
        StringBuilder builder = new StringBuilder(gens);
        int upOrDown = random.Next(0, 101);

        if (upOrDown <= 50 && (int)builder[index] > 0 && chars.Contains(Convert.ToChar(builder[index] - 1)))
            builder[index] = Convert.ToChar(builder[index] - 1);
        else if (upOrDown >= 50 && (int)builder[index] < 127 && chars.Contains(Convert.ToChar(builder[index] + 1)))
            builder[index] = Convert.ToChar(builder[index] + 1);
        else
            mutate(chance, possiblyChanges);

        gens = builder.ToString();
    }
    Console.WriteLine("[MUTATING] In Progress");
}

public void calculateCost(string otherGens)
{
    int total = 0;
    for (int i = 0; i < gens.Length; i++)
    {
        total += (((int)gens[i] - (int)otherGens[i]) * ((int)gens[i] - (int)otherGens[i])) * (i*i);
    }
    Console.WriteLine("[CALCULATING] Costs : " + total);
    this.cost = total;
}

public Chromoson[]mate（字符串基因）{
控制台。WriteLine（“[交配]进行中：“+gens+”+gene）；
int pivot=（int）数学圆（（double）gens.Length/2）-1；
string child1=this.gens.Substring（0，pivot）+gene.Substring（pivot）；
string child2=gene.Substring（0，pivot）+this.gens.Substring（pivot）；
Chromoson[]列表=新的Chromoson[2]；
列表[0]=新的Chromoson（child1）；
列表[1]=新的Chromoson（child2）；
控制台。写线（“[配合]枢轴：”+枢轴）；
控制台写线（“[交配]子项：“+child1+”+child2）；
退货清单；
}
公共空变（浮动概率，整数可能变化）{
if（random.Next（0101）=50&&（int）构建器[index]<127&&chars.Contains（Convert.ToChar（构建器[index]+1）））
builder[index]=Convert.ToChar（builder[index]+1）；
其他的
变异（机会，可能的变化）；
gens=builder.ToString（）；
}
Console.WriteLine（“[变异]进行中”）；
}
public void calculateCost（字符串otherGens）
{
int-total=0；
对于（int i=0；i

您的mutate和calculateCost函数很奇怪。特别是，mutate（）看起来被设计成陷入局部极小值。任何向上或向下的变异都会比精英更糟糕（精英可能是相同的，所以交叉不会改变任何东西）。使用不同的变体：选择一个随机索引并完全更改它。还要从cost（）中删除i*i。

您的mutate和calculateCost函数很奇怪。特别是，mutate（）看起来被设计成陷入局部极小值。任何向上或向下的变异都会比精英更糟糕（精英可能是相同的，所以交叉不会改变任何东西）。使用不同的变体：选择一个随机索引并完全更改它。同时将i*i从cost（）中删除。

在您的时间步中，有些东西完全关闭了：

用完全随机的字符串创建20条染色体似乎还可以。

计算与目标词相比的体能得分。（计算Ascii ID差异）似乎还可以。

将两条染色体配上最好的分数什么？你只培育两条最合适的染色体来创造新的种群？这意味着你将拥有一个几乎完全相似的种群。繁殖能力成比例，因此所有基因组都有机会产生后代

随机变异一些染色体（更改随机字符串字符）

杀死90%的弱势群体，并用精英染色体（具有当前最佳适配分数的染色体）替换<你杀了90%？所以基本上，你每次迭代都保留2个最好的基因组，然后用第1步替换另外18个？您想要的是在第3步中保持2个最适合的个体，并通过繁殖创造另外18个个体。

重复一切

因此，请将步骤更改为：

初始化。初始化群体，创建20条随机染色体

计算每个色度体的分数

将两条最适合的染色体保存到下一个群体（又称精英主义），通过按比例繁殖适合度获得其他18条所需的个体

有一定机会使染色体突变

重复

---

不要每轮都随机创建个人。这将使您的算法变成随机搜索。

在您的时间步长中，某些内容完全关闭：

用完全随机的字符串创建20条染色体似乎还可以。

计算与目标词相比的体能得分。（计算Ascii ID差异）似乎还可以。

将两条染色体配上最好的分数什么？你只培育两条最合适的染色体来创造新的种群？这意味着你将拥有一个几乎完全相似的种群。繁殖能力成比例，因此所有基因组都有机会产生后代

随机变异一些染色体（更改随机字符串字符）

杀死90%的弱势群体，并用精英染色体（具有当前最佳适配分数的染色体）替换<你杀了90%？所以基本上，你每次迭代都保留2个最好的基因组，然后用第1步替换另外18个？您想要的是在第3步中保持2个最适合的个体，并通过繁殖创造另外18个个体。

重复一切

因此，请将步骤更改为：

初始化。初始化群体，创建20条随机染色体

计算每个色度体的分数

将两条最适合的染色体保存到下一个群体（又称精英主义），通过按比例繁殖适合度获得其他18条所需的个体

突变染色体