Genetic Algortihm - 可变长度优化的策略

Question

我有一个问题，我想用遗传算法（GA）来解决。你可以把它简化为以下问题：

我想优化公司，这意味着，在汽车数量和车型的拼车。我已经有一个健身功能calcFitness(carList)，它评估给定的设置，如'商务车，运输车'或'商务车，商务车，运输车'。现在，问题是，如何使用GA来解决这个可变长度问题。

我有四个想法，你怎么能解决这些问题一般为：（？不知道，如果可能的话）

1. 也许在某种程度上实现GA允许可变长度的染色体，并在单次运行解决问题
2. 估算最大可行数量的汽车（例如20辆），并为1到20的每个汽车插槽号码运行固定长度的GA并比较20个结果
3. 与＃2类似，但没有固定的上限： 1辆车，并增加插槽的数量，直到增加的数字的最佳解决方案比前面的更差olution（基于梯度的方法）
4. 两个堆叠的固定长度气：父GA是用于优化汽车槽另一GA的，并在其适应度函数优化这些时隙的assignement数量单独负责叫做

你对这些一般方法有什么看法？对于这些可变长度的情况，GA有没有其他想法或可能的替代方案

Answer 1

可变长度当然是可能的，并且这个问题似乎是最自然的表示。为什么会是一个问题？唯一的实质性差异将是交叉操作。虽然单点是微不足道的（你只需在a之内选择一个点，在b之内的一个点，并自动获得一个可变长度的后代），但连续交叉通常更好，这需要更多的直觉和可变长度。但是，这可以在进行彻底的单独测试后实施。

准备好你的算法可能会发现，染色体越好，它可以产生更好的结果（在某些情况下）。你不会像在遗传程序设计中那样得到指数膨胀（基因型是树而不是线性序列），但染色体长度可能开始不舒服地增长。您可能需要在健身功能中考虑这一点，或者您可以通过立即拒绝超过某个限制的候选人来模拟像＃2这样的解决方案。