python 遗传算法精简版

最新推荐文章于 2025-08-15 16:20:39 发布

转载最新推荐文章于 2025-08-15 16:20:39 发布 · 143 阅读

文章标签：

#python

本文介绍了一种只使用变异操作的精简版遗传算法，该算法通过不断迭代改进初始随机字符串，最终使其接近目标字符串。算法展示了即使不使用传统的交叉操作，也能有效地进行进化优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

精简版遗传算法，算法中仅采用变异算子而没有使用交叉算子，但是进化依然很有效

from string import ascii_lowercase
from random import choice, random

'''精简版遗传算法，算法中仅采用变异算子而没有使用交叉算子，但是进化依然很有效'''

target  = list("welcome to http://www.cnhup.com")
charset = ascii_lowercase + ' .:/'
parent  = [choice(charset) for _ in range(len(target))]
minmutaterate  = .09
C = range(100)

perfectfitness = len(target)
def fitness(trial):
    return sum(t==h for t,h in zip(trial, target))

def mutaterate(parent):
    return 1.0-(1.0*(perfectfitness - fitness(parent)) / perfectfitness * (1.0 - minmutaterate))

def mutate(parent, rate):
    return [(ch if random() <= rate else choice(charset)) for ch in parent]

def log(iterations,rate,parent):
    print("#%-4i, rate: %4.3f, fitness: %4.1f%%, '%s'" %
         (iterations, rate, fitness(parent)*100./perfectfitness, ''.join(parent)))

iterations = 0
while parent != target:
    rate =  mutaterate(parent)
    iterations += 1
    if iterations % 10 == 0: log(iterations,rate,parent)
    copies = [ mutate(parent, rate) for _ in C ]  + [parent]
    parent = max(copies, key=fitness)
    
print()
log(iterations, rate, parent)