例子 配对句子
学习资料:
要点 ¶
如果对遗传算法有兴趣的朋友, 强烈推荐先看看我制作的动画短片 什么是遗传算法, 在动画里有了基础的了解, 在接下来的内容中, 你就如鱼得水啦.
接着上节对遗传算法的基本应用, 在这一节中, 我们用通过不同的编码 DNA 方式, 不同的 fitness 定义方式来让程序生成出自己设定的句子来.
fitness 和 DNA ¶
上次我们提到过 GA 中最重要的就是怎么定义 fitness function, 怎么给 DNA 编码. 这次我们来句另一个例子. 比如我们有一个要生成的句子:
Target: You get it!
Generate: YhtBget i@!
可以想象, 我们能够用这个句子长度的 DNA 来生成这个句子. 每个 DNA 代表一个字母. 如果对上的字母越多, 我的 fitness 就越高. 因为用一个 class 来代表 GA 会比较方便, 我们之后都用 class 来写.
class GA:
def get_fitness(self): # count how many character matches
match_count = (self.pop == TARGET_ASCII).sum(axis=1)
return match_count
而 DNA 呢, 可以都用数字, 而且可以用 ASCII 编码. 将数字转化成字符, 或者字符转数字都可以, 我们为了统一, DNA 都用数字形式.
class GA:
def translateDNA(self, DNA): # convert to readable string
return DNA.tostring().decode('ascii')
而字符转数字可以用 numpy 的这个功能:
>>> np.fromstring('dasd@', dtype=np.uint8)
# array([100, 97, 115, 100, 64], dtype=uint8)
进化啦 ¶
如果 GA 用一个 class 代替, 那 select, mutate, crossover 都是 class 里的功能了.
class GA:
def select(self):
def crossover(self, parent, pop):
def mutate(self, child):
上面这三个功能的算法和上节内容差不多. 所以不会再详细说明了. 你也可以去我的 github 看全部代码. 但是这个 class 中还有一个功能来将上面的三个功能联系起来. 其实这就是上节内容里面的 forloop 中的内容.
class GA:
def evolve(self):
pop = self.select()
pop_copy = pop.copy()
for parent in pop: # for every parent
child = self.crossover(parent, pop_copy)
child = self.mutate(child)
parent[:] = child
self.pop = pop
有了上面定义的这些功能, 再将其他的小部分补全.
我们就能很容易的使用这个 GA class 了.
ga = GA(DNA_size=DNA_SIZE, DNA_bound=ASCII_BOUND, cross_rate=CROSS_RATE,
mutation_rate=MUTATION_RATE, pop_size=POP_SIZE)
for generation in range(N_GENERATIONS):
fitness = ga.get_fitness()
best_DNA = ga.pop[np.argmax(fitness)]
best_phrase = ga.translateDNA(best_DNA)
print('Gen', generation, ': ', best_phrase)
if best_phrase == TARGET_PHRASE:
break
ga.evolve()
"""
Gen 0 : !hT'ge0[px$
Gen 1 : !n#'ged[p&!
Gen 2 : YHJA(er6QM!
Gen 3 : 8=K@ge "tZ
Gen 4 : ThTVKet X7!
Gen 5 : 'oJ@ge06iM!
...
Gen 179 : Youqget it!
Gen 180 : You'get it!
Gen 181 : You get it!
"""
赶紧试试这套github的全部代码.
接下来几节内容, 我们就来看看在不同的情况中如何根据不同的标准选择 fitness 和 DNA 编码.
分享到:
如果你觉得这篇文章或视频对你的学习很有帮助, 请你也分享它, 让它能再次帮助到更多的需要学习的人.
莫烦没有正式的经济来源, 如果你也想支持 莫烦Python 并看到更好的教学内容, 赞助他一点点, 作为鼓励他继续开源的动力.
