Genetic Algortihm - 可變長度優化的策略

Question

我有一個問題，我想用遺傳算法（GA）來解決。你可以把它簡化爲以下問題：

我想優化公司，這意味着，在汽車數量和車型的拼車。我已經有一個健身功能calcFitness(carList)，它評估給定的設置，如'商務車，運輸車'或'商務車，商務車，運輸車'。現在，問題是，如何使用GA來解決這個可變長度問題。

我有四個想法，你怎麼能解決這些問題一般爲：（？不知道，如果可能的話）

1. 也許在某種程度上實現GA允許可變長度的染色體，並在單次運行解決問題
2. 估算最大可行數量的汽車（例如20輛），併爲1到20的每個汽車插槽號碼運行固定長度的GA並比較20個結果
3. 與＃2類似，但沒有固定的上限： 1輛車，並增加插槽的數量，直到增加的數字的最佳解決方案比前面的更差olution（基於梯度的方法）
4. 兩個堆疊的固定長度氣：父GA是用於優化汽車槽另一GA的，並在其適應度函數優化這些時隙的assignement數量單獨負責叫做

你對這些一般方法有什麼看法？對於這些可變長度的情況，GA有沒有其他想法或可能的替代方案

Answer 1

可變長度當然是可能的，並且這個問題似乎是最自然的表示。爲什麼會是一個問題？唯一的實質性差異將是交叉操作。雖然單點是微不足道的（你只需在a之內選擇一個點，在b之內的一個點，並自動獲得一個可變長度的後代），但連續交叉通常更好，這需要更多的直覺和可變長度。但是，這可以在進行徹底的單獨測試後實施。

準備好你的算法可能會發現，染色體越好，它可以產生更好的結果（在某些情況下）。你不會像在遺傳程序設計中那樣得到指數膨脹（基因型是樹而不是線性序列），但染色體長度可能開始不舒服地增長。您可能需要在健身功能中考慮這一點，或者您可以通過立即拒絕超過某個限制的候選人來模擬像＃2這樣的解決方案。