Haskell =地图（dads！！）DADDINDEX main=打印新人口

如果你想为每一个现有的有机体构建一个新的有机体，你应该在现有的有机体上循环。因此，在这个样板中删去了你在问题中口头删去的内容：

import Control.Applicative
import Control.Monad.Random
import Data.Traversable

data Organism

crossover :: Organism -> Organism -> Organism
crossover = undefined

Control.Monad.Random

模块由提供。然后您可以编写这个，它编译得很好，并且具有正确的语义：

breed :: MonadRandom m => [Organism] -> m [Organism]
breed old = for old $ \_ -> liftA2 crossover (uniform old) (uniform old)

---

很好，很简洁，我觉得甚至很可读

如果你想为每一个现存的有机体构建一个新的有机体，你应该在现存的有机体上循环。因此，在这个样板中删去了你在问题中口头删去的内容：

import Control.Applicative
import Control.Monad.Random
import Data.Traversable

data Organism

crossover :: Organism -> Organism -> Organism
crossover = undefined

Control.Monad.Random

模块由提供。然后您可以编写这个，它编译得很好，并且具有正确的语义：

breed :: MonadRandom m => [Organism] -> m [Organism]
breed old = for old $ \_ -> liftA2 crossover (uniform old) (uniform old)

---

很好，很简洁，我觉得甚至很可读

这个解决方案怎么样：

crossoverPop:：[String]->[String]->[String]crossoverPop-newPop | length-newPop

不是一个好的解决方案。重复检查

长度

是很尴尬的（如果您使用的是链表，那么实际上效率很低）。没有理由显式地使用部分构建的

newPop

，只需在运行时将其作为结果进行构建即可。是的，这也可以通过递归而不是标准的循环构造来实现，但是为什么还要麻烦呢？（另外，

select

作为一个纯函数是不可能的，这必须是一个单子动作——最好是在一个专用的随机单子中，但IO也可以。）或者按照Carl的压缩建议，这可能更好。这个解决方案呢：

CrossOvertop:：[String]->[String]->[String]->[String]CrossOvertop-pop-newPop | length-newPop

不是一个好的解决方案。重复检查

长度

是很尴尬的（如果您使用的是链表，那么实际上效率很低）。没有理由显式地使用部分构建的

newPop

，只需在运行时将其作为结果进行构建即可。是的，这也可以通过递归而不是标准的循环构造来实现，但是为什么还要麻烦呢？（另外，

select

作为一个纯函数是不可能的，这必须是一个单子动作——最好是在一个专用的随机单子中，但IO也可以。）或者按照卡尔的压缩建议，这可能更好。正如许多人在回答中提到的，典型的方法是使用带交叉的

zip

唯一不清楚的是，当使用

selectFrom

函数时，您使用的是哪个选择模式。例如：

selectFrom

可以在不同的迭代中重复妈妈/爸爸吗？@ismor-是的，所选元素不会从原始列表中删除（我不太担心最终算法是否完美或最优，我只是发现实现GA是一个很好的“你好世界”当学习一门涉及多种语言结构的新语言时，你最终需要对该语言进行一些深入研究）。正如许多人在回答中提到的，典型的方法是使用带交叉的

zip

唯一不清楚的是，当使用

selectFrom

函数时，您使用的是哪个选择模式。例如：

selectFrom

可以在不同的迭代中重复妈妈/爸爸吗？@ismor-是的，所选元素不会从原始列表中删除（我不太担心最终算法是否完美或最优，我只是发现实现GA是一个很好的“你好世界”当学习一门涉及多种语言结构的新语言时，你最终需要对该语言进行一点深入研究）。有一些很好的库可以使采样相对轻松。请参阅我的答案，以获得一个特别轻量级的示例（至少，在程序员资源中是轻量级的；因为采样不太可能成为此算法中的热点，这对我来说是一件需要优化的好事情）。请参阅我的答案，以获得一个特别轻量级的示例（至少，在程序员资源中是轻量级的；因为采样不太可能成为此算法中的热点，所以对我来说，这是一件需要优化的好事情）。

  do
    let n = length inputPopulation
    [mums,dads] <- replicateM 2 . replicateM n $ selectFrom inputPopulation
    return $ zipWith crossover mums dads

import Data.Monoid ((<>))

{- you should use System.Random module in order to get random indices. 
The function should look similar to this but I couldn't test it:

getRandomIndex :: RandomGen g => g -> [a] -> [Int]
getRandomIndex g l = take hi $ randomRs (0, hi) g
  where hi = length l

In the main function use getStdGen to get a g to feed getRandomIndex 
-}

dads = ["dad0","dad1", "dad2", "dad3", "dad4", "dad5"]
mums = ["mum0","mum1", "mum2", "mum3", "mum4", "mum5"]

dadIndex :: [Int]
dadIndex = [1,4,2,3,2,0] -- let's imagine that this is the result of getRandomIndex g dads 
mumIndex :: [Int]
mumIndex = [0,2,2,3,5,2] -- let's imagine that this is the result of getRandomIndex g mums 

-- crossover is simply string concatenation
crossover :: String -> String -> String
crossover a b = a <> b

newPopulation :: [String]
newPopulation = zipWith crossover randomMums randomDads
  where randomMums = map (mums !!) mumIndex --
        randomDads = map (dads !!) dadIndex

main = print newPopulation

import Control.Applicative
import Control.Monad.Random
import Data.Traversable

data Organism

crossover :: Organism -> Organism -> Organism
crossover = undefined

breed :: MonadRandom m => [Organism] -> m [Organism]
breed old = for old $ \_ -> liftA2 crossover (uniform old) (uniform old)