遺伝子プログラミングの実装

Question

私は遺伝的プログラミングの一般性に精通していますが、遺伝子プログラミングの実装の詳細を示すものをどこにあるのか疑問に思っています。私はC＃と.NET 3.5を使用していますが、PathFindingなどのものに遺伝子プログラミングを使用したいと考えています。編集：おそらく私が探しているものを明確にする必要があります。構文ツリーを保存するためにどのようなデータ構造を使用するか、どのように繁殖操作が実行されるか、そのようなことに興味があります。

Answer 1

これが1つの簡単な書き直しです C ++ helloworld 遺伝的プログラミングを学ぶのに役立つ例：

using ga_vector = List<ga_struct>;

class ga_struct
{
    public ga_struct(string str, uint fitness)
    {
        Str = str;
        Fitness = fitness;
    }

    public string Str { get; set; }
    public uint Fitness { get; set; }
}

class Program
{

    private const int GA_POPSIZE = 2048;
    private const int GA_MAXITER = 16384;
    private const float GA_ELITRATE = 0.10f;
    private const float GA_MUTATIONRATE = 0.25f;
    private const float GA_MUTATION = 32767 * GA_MUTATIONRATE;
    private const string GA_TARGET = "Hello world!";

    private static readonly Random random = new Random((int)DateTime.Now.Ticks);

    static void Main(string[] args)
    {
        ga_vector popAlpha = new ga_vector();
        ga_vector popBeta = new ga_vector();

        InitPopulation(ref popAlpha, ref popBeta);
        ga_vector population = popAlpha;
        ga_vector buffer = popBeta;

        for (int i = 0; i < GA_MAXITER; i++)
        {
            CalcFitness(ref population);
            SortByFitness(ref population);
            PrintBest(ref population);

            if (population[0].Fitness == 0) break;

            Mate(ref population, ref buffer);
            Swap(ref population, ref buffer);
        }

        Console.ReadKey();
    }

    static void Swap(ref ga_vector population, ref ga_vector buffer)
    {
        var temp = population;
        population = buffer;
        buffer = temp;
    }

    static void InitPopulation(ref ga_vector population, ref ga_vector buffer)
    {
        int tsize = GA_TARGET.Length;
        for (int i = 0; i < GA_POPSIZE; i++)
        {
            var citizen = new ga_struct(string.Empty, 0);

            for (int j = 0; j < tsize; j++)
            {
                citizen.Str += Convert.ToChar(random.Next(90) + 32);
            }

            population.Add(citizen);
            buffer.Add(new ga_struct(string.Empty, 0));
        }
    }

    static void CalcFitness(ref ga_vector population)
    {
        const string target = GA_TARGET;
        int tsize = target.Length;

        for (int i = 0; i < GA_POPSIZE; i++)
        {
            uint fitness = 0;
            for (int j = 0; j < tsize; j++)
            {
                fitness += (uint) Math.Abs(population[i].Str[j] - target[j]);
            }

            population[i].Fitness = fitness;
        }
    }

    static int FitnessSort(ga_struct x, ga_struct y)
    {
        return x.Fitness.CompareTo(y.Fitness);
    }

    static void SortByFitness(ref ga_vector population)
    {
        population.Sort((x, y) => FitnessSort(x, y));
    }

    static void Elitism(ref ga_vector population, ref ga_vector buffer, int esize)
    {
        for (int i = 0; i < esize; i++)
        {
            buffer[i].Str = population[i].Str;
            buffer[i].Fitness = population[i].Fitness;
        }
    }

    static void Mutate(ref ga_struct member)
    {
        int tsize = GA_TARGET.Length;
        int ipos = random.Next(tsize);
        int delta = random.Next(90) + 32;

        var mutated = member.Str.ToCharArray();
        Convert.ToChar((member.Str[ipos] + delta)%123).ToString().CopyTo(0, mutated, ipos, 1);
        member.Str = mutated.ToString();
    }

    static void Mate(ref ga_vector population, ref ga_vector buffer)
    {
        const int esize = (int) (GA_POPSIZE*GA_ELITRATE);
        int tsize = GA_TARGET.Length, spos, i1, i2;

        Elitism(ref population, ref buffer, esize);

        for (int i = esize; i < GA_POPSIZE; i++)
        {
            i1 = random.Next(GA_POPSIZE/2);
            i2 = random.Next(GA_POPSIZE/2);
            spos = random.Next(tsize);

            buffer[i].Str = population[i1].Str.Substring(0, spos) + population[i2].Str.Substring(spos, tsize - spos);

            if (random.Next() < GA_MUTATION)
            {
                var mutated = buffer[i];
                Mutate(ref mutated);
                buffer[i] = mutated;
            }
        }
    }

    static void PrintBest(ref ga_vector gav)
    {
        Console.WriteLine("Best: " + gav[0].Str + " (" + gav[0].Fitness + ")");
    }

いくつかの小さなエラーがあるかもしれませんが、それ以外の場合はそれが動作しているように見えます。また、C＃の精神でより良く書くこともできますが、それらは単なる詳細です。 :)

Answer 2

Roger AlsingのMona Lisaプロジェクトは非常に良い例です。http://rogeralsing.com/2008/12/07/genetic-pramging-ovolution-o-mona-lisa/

編集：私が例を気に入っている理由は、それがかなり小さくて理解しやすいからです。遺伝的プログラミングの概念を把握するための迅速かつ簡単な方法。

Answer 3

あなたは見ることができます 適者のサバイバル：窓のある自然選択.

編集：これを参照してください 以前の質問, 、私が見つけたばかりです。それはほとんど複製です。申し訳ありませんが、リンクがわかりません（質問でそのようなことを言及するのは良いことです）。また、回答が受け入れられているにもかかわらず、他の質問はまだより多くの回答/編集のために開かれています。

Answer 4

このC＃.NET 4.0 Port of Sean LukeのECJ（Javaの進化計算）を試すことができます。

http://branecloud.codeplex.com

非常に柔軟で強力なソフトウェアです！しかし、すぐに作業するコンソールサンプルが含まれているため、すぐに簡単に開始できます（およびコンバージョン中に開発された多くの有用な単体テスト）。

ベン