相关文章:
启发式搜索算法1 – 最佳优先搜索算法
启发式搜索算法2 – A*算法
启发式搜索算法2 – 遗传算法

有一个小游戏叫吊死鬼游戏（hangman），在学习英语的时候，大家有可能在课堂上玩过。老师给定一个英文单词，同学们就猜是什么单词，猜错一次老师就画一笔，如果把吊死鬼画出来就没有机会猜了，游戏结束。现在我们不限猜测的次数，让电脑也来玩一下，看它要多久才能猜中。

1 把背景剥离，找出问题核心，简化问题。

对于计算机来说，最简单就是盲目搜索，穷举所有情况，直到猜中为止。这样的穷举算法有兴趣的读者可以尝试用代码实现。这里当然要用刚学习的遗传算法，根据前面的介绍的算法思路，结合实际情况，来设置几个关键要素。

• 字符从a至z视为基因，由这些字符生成的字符串被认为是染色体（个体），也就是一个解。
• 适应能力得分就是用个体字符串与目标字符串比较，相同位置有相同字符的个数。
  因此，具有较高适应值的个体（猜中更多字母的解）将获得更多的繁殖权力。
• 设置种群大小（一代个体的个数），初始种群的数量很重要，如果初始种群数量过多，算法会占用大量系统资源；如果初始种群数量过少，算法很可能忽略掉最优解。这次我们设置种群的数量为100，同一代会有一百个体。
• 设置下一代组成，适应能力前10%直接进入下一代，这称为精英模式，适应能力前50%的个体拥有繁衍权力，则交配概率为50%，也就是必然产生下一代。一般取较大的交配概率，因为交配操作可以加快解区间收敛，使解达到最有希望的最佳解区域，但交配概率太高也可能导致过早收敛，则称为早熟，只找到局部最优解就停止进化。还有突变概率，这里设置为0.1，也可以说在组合新一代的每一个基因，有45%来自父亲基因，有45%来自母亲基因，有10%发生变异，随机产生一个基因。
• 终止条件是适应能力值等于单词长度，也就是找到了目标单词，又或者到达最大进化代数（自定义参数配置），也会终止程序。

2.估算数据规模，算法复杂度

如果用穷举算法，可以估算时间复杂度，每一个位置尝试一遍26个字母，所以时间复杂度O(26^n)，n为单词的长度。但对于遗传算法来说，由于太多不确定性，遗传算法的精度、可行度、计算复杂性等方面参数还没有有效的定量分析方法，这也算是它的一个缺点。

import random
GENES = 'abcdefghijklmnopqrstuvwxyz'  # 基因
class Individual(object): '''此类代表种群中的个体'''def __init__(self, target, chromosome=None):self.target = targetif chromosome: # 个体染色体，也就是所猜的单词解self.chromosome = chromosomeelse: # 若没有，创建一个随机的染色体self.chromosome = self.create_gnome()self.fitness = self.cal_fitness()  # 此个体的适用能力值@classmethod # 修饰符对应的函数不需要实例化，不需要 self 参数，但第一个参数需要是表示自身类的 cls 参数def mutated_genes(cls):# 基因突变，也就是从a-z中随机挑选一个字母global GENES gene = random.choice(GENES) return genedef create_gnome(self):# 初始化个体基因gnome_len = len(self.target) # 根据目标单词长度随机构建一个字符串return [self.mutated_genes() for _ in range(gnome_len)]def mate(self, parent, mutation=0.1):# 进行繁衍，产生新一代child_chromosome = [] # 后代染色体p1_proba = (1 - mutation) / 2 # 取得父母基因概率是一样for p1, p2 in zip(self.chromosome, parent.chromosome):# 遍历父母每一个基因，通过一定概率随机获取父母其中一方的基因，还有0.1概率发生变异prob = random.random() #获取一个0-1的随机数if prob < p1_proba: # 一半概率选择选择p1child_chromosome.append(p1) elif prob < p1_proba*2: # 一半概率选择选择p2child_chromosome.append(p2) else: # 剩下1-probability概率发生基因突变child_chromosome.append(self.mutated_genes()) # 创建一个新个体，并返回return Individual(self.target, chromosome=child_chromosome) def cal_fitness(self): # 计算适应能力值，记录正确的字符数量fitness = 0for gs, gt in zip(self.chromosome, self.target): if gs == gt: fitness+= 1return fitness
class GeneticAlgorithm(object):'''遗传算法'''def __init__(self, target, population_size=100,proba_elitism=10, proba_crossover=50,mutation=0.1, max_generation=100):self.population_size = population_size  # 种群大小self.target = target  # 目标单词self.proba_elitism = proba_elitism  # 精英模式的比例self.proba_crossover = proba_crossover  # 交配概率self.mutation = mutation  # 突变概率self.max_generation = max_generation  # 最大进化代数，也就是循环最多次数self.found = False  # 初始化时没有找到最优解self.generation = 1  # 当前进化的世代，创世纪是1self.population = []  # 种群,初始化为空def init_population(self):# 初始化第一代个体for _ in range(self.population_size):self.population.append(Individual(self.target))def main(self):# 主函数self.init_population() # 产生第一代个体# 若没有找到答案，并且没有达到最大进化代数，继续下一代演化while not self.found and self.generation < self.max_generation: # 按照适应能力排序-内置排序法self.population = sorted(self.population, key = lambda x:x.fitness, reverse=True)# 一旦发现有适应值和目标长度一样，说明我们找到这个单词if self.population[0].fitness == len(self.target): self.found = Truebreak# 记录下一代个体new_generation = []# 精英模式，选择前10%的个体进入下一代s = int((self.proba_elitism*self.population_size)/100) new_generation.extend(self.population[:s]) # 90%的个体是通过上一代的交配得到s = int(((100 - self.proba_elitism)*self.population_size)/100)# 前50%有繁衍下一代的个体数量num_crossover =  int(self.proba_crossover * self.population_size / 100)for _ in range(s):# 前50%的个体可以有繁衍权力，在这些个体中随机挑选两个parent1 = random.choice(self.population[:num_crossover])  parent2 = random.choice(self.population[:num_crossover])child = parent1.mate(parent2, mutation=self.mutation) # 进行繁衍new_generation.append(child) # 得到新的一代个体self.population = new_generation # 新一代的个体代替上一代的print("第{}代\t单词: {}\t适应值: {}".format(self.generation, "".join(self.population[0].chromosome), self.population[0].fitness)) self.generation += 1 # 记录进化的代数print("第{}代\t单词: {}\t适应值: {}".format(self.generation, "".join(self.population[0].chromosome),self.population[0].fitness))

这里有两个类【Individual】是代表个体，【GeneticAlgorithm】是代表遗传算法。【Individual】个体在实例化的时候会先判断是否有染色体，如果没有就通过create_gnome()函数随机生成一个染色体，然后马上通过cal_fitness()函数计算它的适应能力值。mate()函数负责繁衍下一代新个体和mutated_genes()函数负责模拟基因突变。【GeneticAlgorithm】在实例化的时候就要设定遗传算法的各种配置，其中目标单词【target】是必要参数，其他参数是可选参数，都已经设定了默认值。然后通过调用main()函数来启动算法运行，在运算过程中把每一代适应能力值最大的个体打印出来，一起观察种群的进化过程。现在通过一些例子来验证代码是否可行。

ga = GeneticAlgorithm('generation')
ga.main()
# ---------结果-----------
ga = GeneticAlgorithm('generation')
第1代     单词: eikehaviro  适应值: 3
第2代     单词: eikehaviro  适应值: 3
第3代     单词: toneibxinn  适应值: 4
第4代     单词: binagavion  适应值: 5
第5代     单词: binagavion  适应值: 5
第6代     单词: emnenahion  适应值: 6
第7代     单词: emnenahion  适应值: 6
第8代     单词: emnenahion  适应值: 6
第9代     单词: ltneratton  适应值: 7
第10代    单词: eenaration  适应值: 8
第11代    单词: eeneration  适应值: 9
第12代    单词: eeneration  适应值: 9
第13代    单词: generation  适应值: 10

从打印在屏幕的信息中看到刚开始的适应能力值非常低，通过不断进化，适应值也逐步上升，到第十三代就找到答案，粗略估算每次100个个体，那么一共尝试了13*100=13000次就找到结果，效果还是不错的。因为遗传算法是具有不定性，当然不可能每次都是在第十三代就能得到结果，大家可以多尝试就会知道。同时可以尝试调整其他默认参数，观察参与变化对结果有什么影响。比如下面改变种群的个体数量，结果会发生什么变化。

target = 'announcement'
for p in range(100, 1000, 100): # 种群大小，每次增加100generate = 0for _ in range(10): # 每一种种群经过10次运算ga = GeneticAlgorithm(target, population_size=p)ga.main()generate += ga.generation # 统计总共经过多少次进化print('种群数量为%d, 总进化代数为%d, 平均每次通过%.1f进化得到结果' % (p, generate, generate/10))
# ---------结果-----------
种群数量为100, 总进化代数为199, 平均每次通过19.9进化得到结果
种群数量为200, 总进化代数为144, 平均每次通过14.4进化得到结果
种群数量为300, 总进化代数为132, 平均每次通过13.2进化得到结果
种群数量为400, 总进化代数为128, 平均每次通过12.8进化得到结果
种群数量为500, 总进化代数为131, 平均每次通过13.1进化得到结果
种群数量为600, 总进化代数为121, 平均每次通过12.1进化得到结果
种群数量为700, 总进化代数为115, 平均每次通过11.5进化得到结果
种群数量为800, 总进化代数为118, 平均每次通过11.8进化得到结果
种群数量为900, 总进化代数为118, 平均每次通过11.8进化得到结果

从结果我们看到，适当增加种群的个体数量，可以更快地获得结果。对于其他参数，大家也可以通过同样的方法进行测试，以下是其他参数的测试结果汇总到表，每一次只改变一个参数的值，其他参数按默认值。

从结果中知道，突变概率确实不能太大，越大需要更多次进化，并且在大于0.35就不能求出结果，因为程序设置了最大迭代次数就100。再查看繁衍权力这个参数，当它在40时候，也就是种群前40%的个体能够有机会繁衍下一代，得到进化代数结果是最小的。在解决实际问题的时候大家也可以通过这样的调试方式，找到合适的参数值。此时再用调试过的参数，种群数是400，突变概率是0.15，繁衍权力是40，重新测试一下，观察程序是否真的能提高效率。

ga = GeneticAlgorithm('generation', population_size=400,proba_crossover=40, mutation=0.15)
ga.main()
# ---------结果-----------
第1代 单词: uedpwxdkon  适应值: 3
第2代 单词: uedpwxdkon  适应值: 3
第3代 单词: gefzrbvbin  适应值: 4
第4代 单词: gexewgticx  适应值: 5
第5代 单词: oeteravign  适应值: 6
第6代 单词: xeneratijn  适应值: 8
第7代 单词: xeneratijn  适应值: 8
第8代 单词: xeneratijn  适应值: 8
第9代 单词: generation  适应值: 10

看到调优过的参数起作用了，比刚才少了4代，在第九代就找到答案了。也许这只是一个意外，那么再来做一个更严谨的测试，同样运行10次，验证是否真实提高效率。

generate1 = 0
generate2 = 0
for _ in range(10): # 经过10次运算ga = GeneticAlgorithm(target)ga.main()generate1 += ga.generationga = GeneticAlgorithm(target, population_size=400,proba_crossover=40, mutation=0.15)ga.main()generate2 += ga.generation
print('默认参数：总进化代数为%d, 平均每次通过%.1f进化得到结果' % (generate1, generate1/10))
print('调优参数：总进化代数为%d, 平均每次通过%.1f进化得到结果' % (generate2, generate2 / 10))
# ---------结果-----------
默认参数：总进化代数为148, 平均每次通过14.8进化得到结果
调优参数：总进化代数为101, 平均每次通过10.1进化得到结果

完整代码可以查看：打开