Java 为什么每个溶液（或基因型）有一个以上的染色体？

我正在尝试开始使用Jenetics JAVA库进行遗传算法，但从我有限的遗传算法背景来看，有些东西我并不理解

据我所知，GA生成了一个由

m

元素组成的数组总体，其中每个数组都是要评估的潜在解决方案，一旦评估，潜在解决方案将被排序，并选择最佳方案来创建新的总体，等等。但我发现一个解决方案（基因型）在Jenetics中是一个数组列表，其中每个数组都是我所理解的潜在解决方案，而且每个数组都可以有不同的长度，我不明白为什么要使用这个结构而不是一个基因载体

见第6页，第3.1.3节

---

如果可能的话，我想知道这是为什么。我希望把这个问题讲清楚。

你所描述的是基本遗传算法中的种群。有许多技术可以改进它，其中之一就是自适应编码

你要寻找的术语是自适应编码技术下的（修改的）基因库重组

基因池重组在整个种群而不是单个单元上运行，并进化种群。它可能保持或不保持相同的结构

从生物学的角度来看这个观点：

• 在自然界中，首先是简单的生物，然后进化成更复杂的生物

同样的动机也可以用于遗传算法。在begging阶段，有一些更简单的单位可以随时间演化——换句话说，解的长度和结构不必是常数

没有简单的方法来为GA通用编码信息，所以你必须考虑到手头的每一个问题。您可能需要也可能不需要基因库重组、基本二进制编码或基本比例选择。这些选项在很大程度上取决于您试图解决的问题，以及可接受的算法的解决精度/时间

表示基因载体的基本二进制编码很简单，但遗传算法的缺点是在寻找最近邻时效率低下

考虑以下示例：

• 有解决方案15和16（01111110000）

• 这两个数字之间的汉明距离是5

要使GA从15更改为16，所有5位都应更改。因此，遗传算法在邻域离散数方面存在问题。改善这一点的一种方法是使用格雷码，它使所有溶液之间的距离为1。

在人群中收集潜在溶液（表型/基因型）的“数组”。基因型代表了一种可能的解决方案。不要被基因型的二维结构所迷惑，它应该为你建模更复杂的问题提供额外的灵活性。基因型仍然代表一种可能的解决方案和群体中的一个个体

可以轻松创建经典二进制GA的基因型：

Genotype<BitGene> gt = Genotpe.of(BitChromosome.of(15));

基因型gt=of（15）的双染色体的基因型；

还可以查看域模型，如中的图3.1所示。第6.1节尝试为您提供其他编码示例

---

，

你的意思是，突然一个候选解决方案可以有更多的基因？是的，整个群体可以进化到有更多的基因。