【遗传算法】【机器学习】【Python】常见交叉方法（一）、单点交叉和两点交叉

本文主要是介绍【遗传算法】【机器学习】【Python】常见交叉方法（一）、单点交叉和两点交叉，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、遗传算法流程图

在这里插入图片描述

交叉过程即存在于上图的”交叉“（crossover）步骤中。

二、单点交叉

随机地选择1个交叉位点进行交叉，如下图所示：

在这里插入图片描述用random库实现随机性：

import random# 简单的单点交叉方式
def sing_muta(list1, list2):# 假设len(list1) == len(list2)# 随机选择交叉点cross_pt = random.randint(0, len(list1) - 2)list1_cut = list1[cross_pt + 1: len(list1)]list2_cut = list2[cross_pt + 1: len(list2)]new_list1 = list1[0: cross_pt + 1]new_list1.append(list2_cut)new_list2 = list2[0: cross_pt + 1]new_list2.append(list1_cut)return new_list1, new_list2list1 = [1, 2, 3, 4, 5, 6, 7, 8]
list2 = [10, 20, 30, 40, 50, 60, 70, 80]
for i in range(5):print(sing_muta(list1, list2))

程序输出（5次交换结果）：
在这里插入图片描述

三、两点交叉

随机地选择一个交叉起点和一个交叉终点，交换父代两个基因的中间部分，如下图所示：

在这里插入图片描述

Python代码：

import random# 简单的两点交叉方式
def doub_muta(list1, list2):# 假设len(list1) == len(list2)# 随机选择起点和终点new_list1 = list1new_list2 = list2cross_begin = random.randint(0, len(list1) - 1)cross_end = random.randint(0, len(list1) - 1)if cross_begin == cross_end:cross_end += 1  # 至少产生1个位点的交换elif cross_begin > cross_end:cross_begin, cross_end = cross_end, cross_begin  # 结束位点不能在开始位点之前print(cross_begin, cross_end)  # 检查位点# 切出片段list1_cut = new_list1[cross_begin: cross_end]list2_cut = new_list2[cross_begin: cross_end]new_list1[cross_begin: cross_end] = list2_cutnew_list2[cross_begin: cross_end] = list1_cutreturn new_list1, new_list2for i in range(5):list1 = [1, 2, 3, 4, 5, 6, 7, 8]list2 = [10, 20, 30, 40, 50, 60, 70, 80]print(doub_muta(list1, list2))