• 选择
• 交叉
• 变异

您也可以编写自己的 selection、crossover 或 mutation，实现 traits 并将它们传递给 EvolutionBuilder。

入门指南

首先您需要编写 Fitness 函数

use evolutionary::prelude::*;

#[derive(Clone)]
pub struct MaxFitness;

impl Fitness<Bin> for MaxFitness {
    fn calculate_fitness(&self, individual: &Bin) -> f64 {
        let mut sum = 0.;
  
        for i in 0..individual.get_chromosome().len() {
            if individual.get_gene(i) {
                sum += 1.;
            }
        }
  
        sum
    }
}

然后您可以使用 EvolutionBuiler 建立一个进化对象，并设置所有必需的参数

fn main() {
    let mut evolution = EvolutionBuilder::new(30, 10, GeneCod::Bin, ())
        .with_fitness(MaxFitness)
        .with_selection(TournamentSelection::default())
        .with_crossover(NPointsCrossover::default())
        .with_mutation(BitSwapMutation::default())
        .with_stop_condition(move |_, iterations, _| iterations >= 1000)
        .build().unwrap();

    evolution.run();

    println!("Best individual: {:?}", evolution.current_best());
    println!("Best fitness: {}", evolution.current_best_fitness());
}

更详细的入门指南 在这里。

示例和项目

• evolutionary-examples - 一个使用 bevy 游戏引擎 实现的 evolutionary 库的视觉示例项目。

在 示例文件夹 中有一些示例

• 最大值
• 数学函数
• N皇后
• 估值 N皇后
• 最大化收音机工厂利润
• 迷宫
• 地铁

待办事项

• 个体
  • 基于树的染色体
• 选择
  • 排名选择
  • 随机均匀抽样
    • 并行化 SUS 选择
  • N 个个体精英主义
• 交叉
  • 实数
    • 线性交叉 (LX)
    • 算术交叉 (AX)
    • 模拟二进制交叉 (SBX)
• 变异
  • 实数
    • 高斯变异 (GM)
  • 排列
    • 插入变异 (IM)
    • 洗牌变异 (SM)
• 可用性和性能
  • 为实现 Individual trait 创建宏
  • 允许 fitness 是一个函数，而不是必须实现的 struct
• 示例和基准
  • 实现和优化旅行商问题