Java 优化函数的遗传算法

请帮帮我， 我尝试在java中实现GA，以解决X值在[-100100]之间加倍，I=1,2,3，…，30且有4个总体的（Xi）^2函数求和的最小化问题。 我不能得到正确的结果。 谢谢

GeneticAlgorithm.java

....
public Population evolvePopulation(Population population) { 
    Population newPopulation = new Population(population.size());

    for (int i = 0; i < population.size(); ++i) {
        Individual firstIndividual = randomSelection(population);
        Individual secondIndividual = randomSelection(population);
        Individual newIndividual = crossover(firstIndividual, secondIndividual);
        newPopulation.saveIndividual(i, newIndividual);
    }

    for (int i = 0; i < newPopulation.size(); ++i) {
        mutate(newPopulation.getIndividual(i));
    }
    return newPopulation;
}

public Individual randomSelection(Population population) {
    Population newPopulation = new Population(Constants.TOURNAMENT_SIZE);

    for (int i = 0; i < Constants.TOURNAMENT_SIZE; ++i) {
        int randomIndex = (int)(Math.random()*population.size());
        newPopulation.saveIndividual(i, population.getIndividual(randomIndex));
    }
    Individual fittestIndividual = newPopulation.getFittestIndividual();

    return fittestIndividual;
}   

。。。。
公共人口演变人口（人口）{
Population newPopulation=新人口（Population.size（））；
对于（int i=0；i

GeneticAlgorithm.java

....
public Population evolvePopulation(Population population) { 
    Population newPopulation = new Population(population.size());

    for (int i = 0; i < population.size(); ++i) {
        Individual firstIndividual = randomSelection(population);
        Individual secondIndividual = randomSelection(population);
        Individual newIndividual = crossover(firstIndividual, secondIndividual);
        newPopulation.saveIndividual(i, newIndividual);
    }

    for (int i = 0; i < newPopulation.size(); ++i) {
        mutate(newPopulation.getIndividual(i));
    }
    return newPopulation;
}

public Individual randomSelection(Population population) {
    Population newPopulation = new Population(Constants.TOURNAMENT_SIZE);

    for (int i = 0; i < Constants.TOURNAMENT_SIZE; ++i) {
        int randomIndex = (int)(Math.random()*population.size());
        newPopulation.saveIndividual(i, population.getIndividual(randomIndex));
    }
    Individual fittestIndividual = newPopulation.getFittestIndividual();

    return fittestIndividual;
}   

公共个体随机选择（总体）{
新人口=新人口（常数。单位大小）；
对于（int i=0；i

Population.java

...
public Population evolvePopulation(Population population) { 
    Population newPopulation = new Population(population.size());

    for (int i = 0; i < population.size(); ++i) {
        Individual firstIndividual = randomSelection(population);
        Individual secondIndividual = randomSelection(population);
        Individual newIndividual = crossover(firstIndividual, secondIndividual);
        newPopulation.saveIndividual(i, newIndividual);
    }

    for (int i = 0; i < newPopulation.size(); ++i) {
        mutate(newPopulation.getIndividual(i));
    }
    return newPopulation;
}
...

。。。
公共人口演变人口（人口）{
Population newPopulation=新人口（Population.size（））；
对于（int i=0；i

Individual.java

public void generateIndividual() {
    df = new DecimalFormat(".##");
    for (int i = 0; i < Constants.CHROMOSOME_LENGTH; i++) {
        String gen = df.format((randomGenerator.nextDouble()*(201))-100);
        double gene  = Double.parseDouble(gen);
        genes[i] = gene;
    }
}

public void generateIndividual（）{
df=新的十进制格式（“.##”）；
对于（int i=0；i

结果:

世代：1-适者生存期：187840.0388

第2代-最适合的是：145642.2474

第3代-最适合的is:143804.0066

第4代-最适合的是：164595.308199994

第5代-最适合的是：192525.516599997

世代：6-最适合的是：176011.809599998

第7代-最适合的是：165286.996799996

第8代-最适合的是：181544.712799998

第9代-最适合的是：180144.335599996

---

世代：10-适者生存是：178226.741999994首先，遗传搜索不一定能在任何有限的时间内找到最优解，尽管它可能在其邻近区域收敛得非常快。此外，遗传探索没有提供任何方法来证明给定的解决方案实际上是最优的，因此只有当足够好的解决方案是好的时才应该使用它

看看您在S.O.上发布的代码片段，我想做以下观察：

• 在

  randomSelection（）

  中，随机选择初始总体的子集，然后返回该组中的最佳个体。我的观点是，你想给那些根据适应度函数携带更好基因组的个体带来繁殖优势。对吗

• 在

  evolvePopulation（）

  中，您随机选择两个父项，然后使用交叉步骤将它们组合起来。然后将随机突变应用于产生的基因组，并将其添加到新的群体中

在这一点上，我看到了以下问题：如果父母双方都是随机选择的，那么绝对不能保证你们群体中最好的个体真的有机会繁殖。相反，我会随机选择两位家长中的一位，以确保每个人至少有一个孩子

我也不清楚，因为它没有显示，

mutate（）

是否总是改变基因组的某些部分，或者这是否只在给定的低概率情况下完成

重要的是要记住，

crossover（）

和

mutate（）

都会对您的种群产生破坏性的影响：没有任何地方写过应用这些操作符产生的后代比上一代更好

因此，您似乎遗漏了一个

selection（）

步骤。一个人应该在新的一代中产生更多的个体，然后杀死所有最坏的个体，然后让它们再次繁殖

---

此外，如果您不希望您的搜索暂时退化，您应该在两个后续世代中保存最佳个体（或前N个最佳个体）。

请回答您的问题，并在此处包含您的代码。它有效吗？请在你的问题中包含任何必要的代码（作为一个例子）。链接到你的谷歌硬盘是不合适的。它工作，先生，但我不能得到一个好的结果，它不是为了所有的世代。请在上面的链接上下载我的代码。请帮助我，我不知道是怎么回事