유전자 프로그래밍 구현

Question

나는 유전 프로그래밍의 일반성에 대해 잘 알고 있지만 유전 프로그래밍 구현에 대한 세부 사항을 보여주는 정보를 어디서 찾을 수 있는지 궁금합니다.저는 C#과 .NET 3.5를 사용하고 있으며 길 찾기와 같은 작업에 유전 프로그래밍을 사용하고 싶고 일반적으로 이것이 무엇을 할 수 있는지 알고 싶습니다.편집하다:내가 찾고 있는 것이 무엇인지 명확히 해야 할 것 같습니다.나는 구문 트리를 저장하는 데 어떤 종류의 데이터 구조가 사용되는지, 번식 작업이 어떻게 수행되는지 등에 관심이 있습니다.

Answer 1

다음은 그 중 하나의 빠른 재 작성입니다 C ++ Helloworld 유전자 프로그래밍을 배우는 데 도움이되는 예 :

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 + ")");
    }

약간의 오류가있을 수 있지만 그렇지 않으면 잘 작동하는 것 같습니다. 또한 C#의 정신으로 더 잘 작성 될 수는 있지만 세부 사항 일뿐입니다. :)

Answer 2

Roger Alsing의 Mona Lisa 프로젝트는 아주 좋은 예입니다.http://rogeralsing.com/2008/12/07/genetic-programming-evolution of-mona-lisa/

편집 : 내가 예를 좋아하는 이유는 작고 이해하기 쉽기 때문입니다. 유전자 프로그래밍의 개념을 파악하는 빠르고 쉬운 방법입니다.

Answer 3

당신은 볼 수 있습니다 적자 생존:Windows Forms를 사용한 자연 선택.

편집하다:이것 좀 봐 이전 SO 질문, 방금 찾았습니다.거의 중복이네요.링크를 이해하지 못해서 죄송합니다(질문에서 그러한 내용을 언급하는 것이 좋습니다).또한 답변이 수락되었음에도 불구하고 추가 답변/수정을 위해 다른 질문이 여전히 열려 있습니다.

Answer 4

Sean Luke 's ECJ 의이 C# .NET 4.0 포트 (Java의 진화 계산)를 사용해 볼 수 있습니다.

http://branecloud.codeplex.com

매우 유연하고 강력한 소프트웨어입니다! 그러나 많은 작업용 콘솔 샘플 (및 전환 중에 개발 된 많은 유용한 단위 테스트)이 포함되어 있기 때문에 비교적 쉽게 시작할 수 있습니다.

벤