Question

我正在使用遗传算法开发一个护士排班工具im matlab，而不使用GA工具箱个人是每周计划，表示为二维数组，行数等于护士数和七列，因为它是每周计划。
适应度函数获取整个总体并返回一个大小等于包含适合度值的总体大小的数组。

应该最小化适应度函数，因此最佳时间表是具有最低适应度值的时间表。我的健身功能是：

function fitness_values =Fitness_Function( thePopulation)
%UNTITLED Summary of this function goes here
%   Detailed explanation goes here
[Ar1 Ar2 popsize num_nur]  = Return_Data( 0,0,0,0 );
[prev_sched OffArr]=Return_Data1(0,0);
constraints=cell(popsize,1);
fitness_values=zeros(popsize,1); 
size=[1 7];
c1=zeros(popsize,1);
c1values=cell(popsize,1);
W1=0.25; %hard
W2=0.25; %hard
W3=0.25; %hard
W4=0.125; %soft
W5=0.125; %soft

for i=1: popsize
c1values{i}=zeros(size);
end
% Checking Constraint c1 (the difference between night and day shifts in
% each day of the schedule 
for i=1:popsize
for j=1:7
day_sum=0;
night_sum=0;
    for k=1:num_nur
      if thePopulation{i}(k,j)==1
          day_sum=day_sum+1;
      elseif thePopulation{i}(k,j)==2
          night_sum=night_sum+1;
      end
    end 
    abs_diff=abs(day_sum-night_sum);
    c1values{i}(1,j)=abs_diff.^2;
end
c1(i)=sum(c1values{i}(1,:));


%celldisp(c1values);
%defining the array that will hold the result of multiplying the number of
%violations with the correspondig weight,a cell array where each cell
%containts num_nur rows and 4 columns for c2, c3,c4 and c5.

nurse_fitness=zeros(num_nur,1);
for in=1:popsize
constraints{in}=zeros(num_nur,4);
end

for j=1:num_nur
      v2=0;
      v3=0;
      v4=0;
      %check violations with the previous schedule(the last day of the
      %previous schedule with the first day of the evaluated schedule
      % c2
      if prev_sched(j,7)==2 && thePopulation{i}(j,1)==1
          v2=v2+1;
      end
      % c3
      %check the last day of the previous schedule
       if prev_sched(j,7)==1 && thePopulation{i}(j,1)==1 && thePopulation{i}(j,2)~=3
              v3=v3+1;
       %check the last 2 days of the previous schedule       
       elseif prev_sched(j,6)==1 &&prev_sched(j,7)==1 && thePopulation{i}(j,2)~=3
              v3=v3+1;
       end
       %c4
       %check the last day of the previous schedule
       if prev_sched(j,7)==2 && thePopulation{i}(j,1)==3 &&thePopulation{i}(j,2)==1
              v4=v4+1;
       %check the last 2 days of the previous schedule       
       elseif prev_sched(j,6)==2 &&prev_sched(j,7)==3 && thePopulation{i}(j,2)==1
              v4=v4+1;
       end
       %check violations of constraints c2,c3 and c4 in the
       %evaluated schedule
       for k=1:6 
       %check violations of c2 N->N or N->O (hard)
       if thePopulation{i}(j,k)==2 &&  thePopulation{i}(j,k+1)==1 
          v2=v2+1;
       end
       end
       %check violations of c3 D->D->O     (hard)
      for k=1:5
          if thePopulation{i}(j,k)==1 && thePopulation{i}(j,k+1)==1 && thePopulation{i}(j,k+2)~=3
              v3=v3+1;
          end
       %check violations of c4 N->O->N or N->O->O (soft)
          if thePopulation{i}(j,k)==2 && thePopulation{i}(j,k+1)==3 && thePopulation{i}(j,k+2)==1
              v4=v4+1;
          end
      end
      constraints{i}(j,1)=v2*W2;
      constraints{i}(j,2)=v3*W3;
      constraints{i}(j,3)=v4*W4;
      %check violations of c5 (perefrences of each nurse)
      offdays=find(thePopulation{i}(j,:)==3);
      %disp(offdays);
      %disp(OffArr(j,:));
      %find intersection between the perefreces and the days off in the
      %schedule of each nurse
      inters=intersect(offdays,OffArr(j,:));
      num_inters=length(inters);
      if(length(offdays)==1)
      %for head nurse
      if num_inters==1
      constraints{i}(j,4)=0;
      else
      constraints{i}(j,4)=3*W5;
      end
      else
      penalty=3-num_inters;
      constraints{i}(j,4)=penalty*W5;
      end
      nurse_fitness(j)=sum(constraints{i}(j,:));
   end 
  %calculating the fitness value for the whole schedule 

  fitness_values(i)=W1*c1(i)+sum(nurse_fitness);
   end
  end

我总结一下它是如何工作的：它需要一个单元格数组（人口）每个单元格包含一个表示为矩阵的行列表=行数=护士数和7列（每周计划表），问题有3个难点约束和2个软约束，因此适应性将检查每个时间表中违反这些约束的情况，通过将每个护士中的违规次数乘以约束的相应轮次来惩罚违规，因此最终适应值是每个护士的惩罚值。最后，评估的计划的适应值保存在适应值数组中（评估的示意图存储在填充数组中的索引相同）。

我的问题是为交叉和变异算子选择父项的选择算子是什么？

Answer 1

您的问题中缺少的点数：

“个人”数组中值的含义是什么？
可以违反的约束是什么？
“个体”是指基因型还是表型？

我认为您也可以通过一个简单的示例来说明这些内容，而对于其他人的最佳理解，您可以使用GA terminology吗？

到目前为止，我只能给出一般答案。一般来说，我认为搜索非违规人员会更好。我要做的是不使用复杂的拟合函数。我宁愿表型总是一个非违反的解决方案，可以从（可能违反的）基因型快速计算出来。也许基因型不应该掌握整个问题，只需给出一个简单的分配算法的起点即可。

如果您有非违规染色体，突变应该会轻微影响，导致类似的解决方案。你的染色体可能是某种排列，突变可能是这些变异的一些转换。交叉出生的孩子应该跳出父母的解决方案，保留他们的一些特征。对于置换型染色体，您可以找到标准交叉算子。

选择算子和最小化遗传算法中的适应度函数

1 个答案: