Path 遗传算法.路径的交叉和变异算子

我想知道是否有人知道图中路径的直觉交叉和变异算子？谢谢

Emm。。这是一个非常困难的问题，人们为此写论文，但仍然没有正确的答案

一般规则是“一切取决于你的领域”

有一些通用GA库可以为您做一些工作，但为了获得最佳结果，建议您自己实现GA操作，特别是针对您的域

你可能会有更多的幸运的答案，但你需要扩大你的问题更多，并添加更多关于你的任务和领域的细节

更新： 所以你有一个图表。在GA术语中，通过图的路径代表一个个体，路径中的节点将是染色体。 在这种情况下，我会说变异可以表示为路径偏离原始路径的某个位置-其中一个节点被移动到某个位置，路径被调整，因此路径中的起始值和结束值保持不变

突变可能导致无效个体。在这种情况下，你需要做出一个决定：允许无效的，并希望它们会收敛到一些未经探索的解决方案。或者当场杀了他们。当我使用GA时，我确实允许使用无效的解决方案，在适合度的同时添加“不适合度”值。一些研究人员认为，这有助于广泛探索溶液空间

交叉只能发生在相互交叉的路径上：在交叉点上，将路径的剩余部分与父路径交换

请记住，交叉有多种方式：个人可以在多个点上交叉，也可以只在一个点上交叉。在图形的情况下，可以有多个交叉点，这自然会导致多个子图形

---

正如我之前所说，做这件事没有对错之分，但你只能通过实验来找出最好的方法。

这个问题有点老了，但这个问题似乎没有过时或解决，所以我认为我的研究可能对某些人还是有帮助的

至于TSP问题中的变异和交叉问题，在最短路径或最优路径的情况下，每个变异都是有效的（这是因为染色体代表访问固定节点的顺序-交换顺序总是可以产生有效的结果），其中染色体是精确的路径表示，这不适用，也不是很明显。下面是我如何用遗传算法解决最优路径的问题

对于交叉，有几个选项：

对于至少有一个公共点（除了起点和终点节点）的路线，找到所有公共点并在交叉点处交换子线路

家长1:

5133417129160

家长2：

519332512431560

潜在交叉点为33和12。我们可以得到以下子项：

519334712431560

和

513325129160

，它们是使用这两个交叉点交叉的结果

当两条路径没有公共点时，从每个父路径中随机选择两个点并连接它们（可以使用随机遍历、回溯或启发式搜索，如*或波束搜索）。现在，该路径可以被视为交叉路径。为了更好地理解，请参见下面两种交叉方法的图片：

看

黑色和灰色路径为父路径，粉色和橙色路径为父路径 孩子们，绿点是交叉点，红点是起点 和结束节点。第一个图显示了第一种交叉，第二个图是另一个交叉的例子

对于突变，也没有多少选择。通常，对于具有平均密度的图，虚拟变异（如节点交换顺序或添加随机节点）实际上是无效的。以下是保证有效突变的方法：

从路径中随机选取两个点，并用这两个节点之间的随机路径替换它们

染色体：

51 33 41 7 12 91 60

，随机点：33和12，随机/最短路径：

33 29 71 12

，突变染色体：

51 33 29 71 12 91 60

从路径中找到随机点，将其移除并连接其邻居（与第一个非常相似）

从路径中找到随机点，并找到到其邻居的随机路径

尝试从某个随机选择的点开始对路径进行细分，直到到达初始路线上的任何点（对第一种方法的轻微修改）

看

每个图以适当的顺序对应于每个变异方法。在最后一个示例中，橙色路径将替换突变点（绿色节点）之间的原始路径

<强>注：在这种情况下，该方法显然可能有性能缺陷，当找到替代的子路径（使用随机或启发式方法）将停留在某个地方或找到非常长且无用的子路径时，考虑考虑执行或试验次数的时间。 对于我的例子来说，这些方法是非常有效的，并且给出了一个很好的结果，即在最大化顶点和权重的同时保持节点和的权重小于给定的界限。如果您有任何问题，请随时提问。还有，对不起我的MS绘画技巧；）

更新

一个重要提示：我基本上在我的实现中使用了这种方法，但是使用随机路径生成有一个很大的缺点。我决定切换到使用最短路径遍历随机选取的点生成半随机路径-效率更高（但显然可能不适用于所有问题）。

哦，我想找到