optimiGAtion

摘要

这是 Rust 进化计算工具，参与 GA。该工具注重高度的通用性，因此我们可以通过这种方式优化许多类型的多元问题。

什么是 GA？

GA（遗传算法）是进化计算中最基本的理论之一，用于在研究、设计等情况下优化多元问题。这种逻辑主要包含四个步骤以获得你想要的答案。如下所示：

• 创建基因组组
• 通过评估函数评估每个基因组的适用性
• 交叉
• 更改基因组组

通常，下一代的基因组比上一代更好，因为弱基因组会交换到新的子代基因组，而新的子代基因组是期望的强基因组。经过许多基因组的进化，组中最强的基因组就是你要知道的值。当然，评估函数会由你设置。

如何使用

如果你想使用这个工具，你应该在 cargo.toml 中的依赖项中添加 optimiGAtion，如下所示。

[dependencies]
optimiGAtion = "0.1.0"

然后，main.rs 应该是这样的。

extern crate gene;
use gene::GenomeList;
use crate::gene::ga_algorithm::Generation;
use crate::gene::ga_algorithm::System;


fn sum(genome: &Vec<f32>) -> f32{

    let mut a: f32 = 0.0;
    for i in 0..genome.len(){
        a += genome[i];
    }
    a
}


fn main() {

    let c1: fn(&Vec<f32>) -> f32 = |x| {(sum(x)/x.len() as f32 - 10.0).abs()};
    let mut functions = Vec::new();
    functions.push(c1);



    let mut world = GenomeList::new(1000, 10, 0.0, 10.0, &functions);               // initiating group of genome.
    GenomeList::ga_loop(&mut world, 200, 3, 0.05, 0.0, 10.0);                       // starting GA loop.

}

GenomeList::new()

这些是这个函数的参数。

1. 组中基因组的数量。
2. 每个基因组的组件数量。
3. 值的下限。
4. 值的上限。
5. 评估函数的闭包列表。

GenomeList::ga_loop()

这些是这个函数的参数。

1. 由 GenomeList::new() 初始化的基因组列表
2. 作为交叉父母的精英基因组的数量。
3. 键决定了交叉的方式。
4. 值的下限。
5. 值的上限。

特别是第三个参数，键和交叉方式的对应表如下：

结果样本

上述 main.rs 的结果将是这样的。

Note        : Creating first generation...
Note        : GA loop start.
Result      : Genome { dna: [9.99994, 9.9998865, 9.999953, 9.9998865, 9.999953, 9.9998865, 9.99994, 9.9998865, 9.999953, 9.9998865], eval: 8.2969666e-5 }
Generations : 13953.0

所有的理论值都是 1.0，GA 可以得到准最优解。

下一个版本

• 应用任何类型的值
• 多评估函数