遗传算法的“独特”交叉 - TSP

Question

我正在创建一个Genetic Algorithm 来解决Traveling Salesman Problem。

目前，两个二维列表代表需要交叉的两个父母：

path_1 = np.shuffle(np.arange(12).reshape(6, 2))
path_2 = np.arange(12).reshape(6,2)

假设列表中的每个元素代表笛卡尔平面上的(x, y) 坐标，而二维列表代表“旅行推销员”必须走的路径（从索引 0 到索引 -1）。

由于 TSP 要求所有点都包含在路径中，因此此交叉的结果子节点必须没有重复点。

我不知道如何进行这种交叉并让生成的孩子代表父母双方。

Answer 1

您需要使用有序交叉运算符，例如OX1。

OX1 是一个相当简单的置换交叉。 基本上，来自父母 1 的一系列连续等位基因下降， 其余的值按照它们的顺序放置在孩子中 出现在父 2 中。

我曾经使用这些运算符运行 TSP：

• 交叉：Ordered Crossver (OX1)。
• 突变：Reverse Sequence Mutation (RSM)
• 选择：Roulette Wheel Selection

Answer 2

你可以这样做，

使用任何方法从一个父级选择一半（或0 to (length - 1) 之间的任何随机数）坐标，让我们说i % 2 == 0 的位置。

可以使用多种方法将它们放置在子元素中：随机放置，或全部放置在开始（或结束）或交替位置。

现在剩余的坐标需要来自第二个父级，您可以在第二个父级中遍历，如果没有选择坐标，请将其添加到空白处。

例如，

我从父 1 中选择偶数定位坐标并将其放在子元素的偶数位置索引中，然后在父元素 2 中遍历以将剩余的坐标放置在子元素的奇数位置索引中。

def crossover(p1, p2, number_of_cities):
    chk = {}
    for i in range(number_of_cities):
        chk[i] = 0
    child = [-1] * number_of_cities
    for x in range(len(p1)):
        if x % 2 == 0:
            child[x] = p1[x]
            chk[p1[x]] = 1
    y = 1
    for x in range(len(p2)):
        if chk[p2[x]] == 0:
            child[y] = p2[x]
            y += 2
    return child

这种方法保留了父母双方访问城市的顺序。

由于它不是对称的，p1 和 p2 可以切换给 2 个孩子，并且可以选择更好的（或两者）。