Go语言如何实现遗传算法

sort.Slice(population, func(i, j int) bool {

return calculate(population[i].(float64)) > calculate(population[j].(float64))

})

}

更奇怪的是，我大年夜来没有提到过这些办法的接口。请记住，因为没有对象，也没有持续。QuadraticGA构造体是一个空白对象，隐式地作为GeneticAlgorithmRunner。每个必须的办法都在括号中绑定到该构造体，就像Java中的“@ override”。如今，构造体和设置须要传递给运行该算法的模块。

settings := ga.GeneticAlgorithmSettings{ 
   PopulationSize: 5, 
   MutationRate: 10, 
   CrossoverRate: 100, 
   NumGenerations: 20, 
   KeepBestAcrossPopulation: true, 
} 
 
best, err := ga.Run(QuadraticGA{}, settings) 
 
if err != nil { 
   println(err) 
}else{ 
   fmt.Printf("Best: x: %f  y: %f\n", best, calculate(best.(float64))) 
}

Best: x: 3.072833 y: -6.994695

很简单,对吧?“QuadraticGA {}”只是简单地创建了该构造的一个新实例，其余的则由Run()办法完成。该办法返回搜刮结不雅和产生的任何缺点，因为Go不信赖try / catch——另一场战斗作者采取了严格的设计立场。

func makeNewEntry() float64 { 
   return highRange * rand.Float64() 
} 
 
func calculate(x float64) float64 { 
   return  math.Pow(x, 2) - 6*x + 2 // minimum should be at x=3 
}

func Run(geneticAlgoRunner GeneticAlgorithmRunner, settings GeneticAlgorithmSettings) (interface{}, error){ 
 
   population := geneticAlgoRunner.GenerateInitialPopulation(settings.PopulationSize) 
 
   geneticAlgoRunner.Sort(population) 
 
   bestSoFar := population[len(population) - 1] 
 
   for i:= 0; i < settings.NumGenerations; i++ { 
 
      newPopulation := make([]interface{}, 0, settings.PopulationSize) 
 
      if settings.KeepBestAcrossPopulation { 
         newPopulation = append(newPopulation, bestSoFar) 
      } 
 
      // perform crossovers with random selection 
      probabilisticListOfPerformers := createStochasticProbableListOfIndividuals(population) 
 
      newPopIndex := 0 	
			 2/6   首页 上一页 1 2 3 4 5 6 下一页 尾页	
			

　　推荐阅读
　　主流浏览器之战：Edge惨遭微软“抛弃”，IE开始逆袭
            Tech Neo技巧沙龙 | 11月25号，九州云/ZStack与您一路商量云时代收集界线治理实践
            10 月浏览器市场份额数据显示，Chrome 市场份额持续晋升，下个月有望冲破 60% 。Edge 浏览器的份额出现下>>>详细阅读


本文标题：Go语言如何实现遗传算法
地址：http://www.17bianji.com/lsqh/38942.html
 1/2    1