我正在尝试应用遗传算法来解决8皇后难题。我已经编码了整个算法,但它总是被卡住,当它找到解决方案与6个unhit皇后,无法克服它。我觉得有一些多样性的问题,但我不知道该怎么办。我的问题是,这种认识有什么问题,为什么它总是卡在6个不健康的皇后身上,不能做出最后的行动?我已经检查了所有的代码,我认为对算法本身的发展有一些误解。所以我附加了整个代码。所以我希望有人能告诉我我哪里做错了。提前谢谢。在
def mutate(self, children):
rnd.seed()
count = 0
for child in children:
count += 1
if rnd.random() < self.mut_prob:
i = rnd.randrange(0, 7)
ind = child[i].index(1)
child[i][ind] = 0
j = rnd.randrange(0, 7)
child[i][j] = 1
def solve(self, min_fitness= 7, max_epochs=100):
prev_pop = self.initial_population()
epochs = 0
max_fitness = 0
while (max_fitness <= min_fitness) and (epochs < max_epochs):
fitness = self.fitness_function(prev_pop)
fitness.sort(key=lambda tup: tup[1])
best_sol = fitness[len(fitness) - 1][0]
max_fitness = fitness[len(fitness) - 1][1]
mating = self.roulette(fitness)
mating_chromes = []
pop = copy.deepcopy(prev_pop)
for chrom in mating:
mating_chromes.append(pop[chrom])
pop.clear()
children = self.crossover(mating_chromes)
self.mutate(children)
fit = self.fitness_function(prev_pop)
to_destroy = self.reduction(fitness)
for el in to_destroy:
prev_pop[el] = children.pop(0)
epochs += 1
print(max_fitness)
print(epochs)
for el in prev_pop[best_sol]:
print(el)
print("\n")
print("im fine")
return 0
s = Solver_8_queens()
arr = s.solve()
代码的一个问题是使用Python函数
random.randrange()
的方式。documentation表示randrange(a, b)
将返回一个随机数x
,这样a <= x < b
(注意,b
不包括在内)。在当你写类似
i = random.randrange(0, 7)
的东西时,你会从半开区间[0, 7)
得到一个随机数,而你(最可能)想要的是闭合区间[0, 7]
中的数字,因为电路板的尺寸是8x8。因此,请检查对randrange()
的所有调用,如果这些调用不正确,请进行修复,并查看是否解决了问题。在相关问题 更多 >
编程相关推荐