遗传算法入门（连载之六）

 这样，如果你得到了一个随机的二进制字符串，你就能将它译码出Bob行动时所遵循的

一系列方向。例如染色体:

111110011011101110010101

代表的基因就是：          11,11,10,01,10,11,10,11,10,01,01,01当把二进制代码译成十进制时，就成为
            3,3,2,1,2,3,2,3,2,1,1,1再把这些放进一个表格中，就可以使你相信这是一样的一些概念: 
        

struct SGenome
   {
     vector <int> 　vecBits;
     double 　　dFitness;
     SGenome():dFitness(0){}
     SGenome(const int num_bits):dFitness(0)
     {
       //创造随机二进制位串
       for (int i=0; i<num_bits; ++i)          {             vecBits.push_back(RandInt(0,1));          }      }   };     
正如你能见到的那样，如果你在创建SGenome对象时把一个整型数作为参数传递给构造函数，则它就会自动创建一个以此整数为长度的随机２进制位串，

并将其适应性分数初始化为零，这样就把基因组什么都准备好了。

  
程序注释std::vector是STL（Standard Templete Library）标准模板库的一部分, 这是一种为处理动态数组而预先建立好的类。如果要把数据加入STL中,可使用

push_back()方法。

下面是一个简单的例子:
  
  #include <vector>
  for (int i=0; i<10; i++)
    { 
       MyFirstVector.push_back(i);     
       cout << endl << MyFirstVector[i];
    }
  
要清空一个向量，使用clear()方法：

        MyFirstVector.clear();

你可利用size()方法来得到向量中元素的数目：

NyFirstVector.size()

就是这样。

  不需要你去考虑内存管理问题－std::vector能够为你来做所有这些！当需要时，我会在整个程序中使用它。
SGenome结构中不具备怎样为染色体（vecBits）进行译码的知识; 这是需要由遗传算法类自己来完成的一项任务。现在让我们来快速窥视一下这个类的定义。
我已把它称作CgaBob类（有时我对我的原始创见自己也很吃惊，但我确实是这样做的）。

  
class CgaBob 
{ 
 private: 
   //基因组群体
   vector<SGenome> m_vecGenomes 
   //群体的大小 
   int m_iPopSize 
   double m_dCrossoverRate; 
   double m_dMutationRate; 
   //每个染色体含有多少bits 
   int m_iChromoLength; 
   //每个基因有多少bits 
   int m_iGeneLength; 
   int m_iFittestGenome; 
   double m_dBestFitnessScore; 
   double m_dTotalFitnessScore; 
   int m_iGeneration; 
   //为 map 类创建一个实例 
   CBobsMap m_BobsMap; 
   //另一个CbobsMap对象用来保存每一代的最佳路径的一个记
   //录，这是被访问小格的一个数组，它仅仅是为了显示目的而使用的。 
   CBobsMap m_BobsBrain; 
   //让你知道运行是否仍在进行中 
   bool m_bBusy; 
   void Mutate(vector<int>&vecBits); 
   void Crossover(const vector<int>&mum, 　 
                  const vector<int>&dad, 　 
                  vector<int>&baby1,
             　   vector<int>&baby2); 
   SGenome& RouletteWheel Selection(); 
   //用新的适应性分数来更新基因组原有的适
   //应性分数，并计算群体的最高适应性分数和适应性分数最高的那个成员。 
   void UpdateFitnessScores(); 
   //把一个位向量译成为一个方向的(整数)向量
   vector<int> Decode(const vector<int> &bits); 
   //把一个位向量变换为十进制数。用于译码 
   int BinToInt(const vector<int> &v); 
   //创建一个随机的二进制位串的初始群体
   void CreateStartPopulation(); 
   public: 
   CgaBob(double cross_rat,
          double mut_rat, 
          int pop_size,
          int num_bits,
          int gene_len):m_dCrossoverRate(cross_rat), 
                        m_dMutationRate(mut_rat), 
                        m_iPopSize(pop_size),
                        m_iChromoLength(num_bits),
                        m_dTotalFitnessScore(0.0),
                        m_iGeneration(0),
                        m_iGeneLength(gene_len),
                        m_bBusy(false) 
    {
      CreateStartPopulation(); 
    }
 
   void Run(HNND hwnd); 
   void Epoch(); 
   void Render(int cxClient, int cyClient, HDC surface); 
   //访问用的方法
   int Generation(){return m_iGeneration;} 
   int GetFittest(){return m_iFittestGenome;} 
   bool Started(){return m_bBusy;} 
   void Stop(){m_bBusy = false;}
 }; 
 
由上你可看出，当这个类的一个实例被创建时，构造函数初始化所有的变量，并调用CreateStartPopulation()。这一短小函数创建了所需数量的基因组群体。
每个基因组一开始包含的是一个由随机2进制位串组成的染色体，其适应性分数则被设置为零。        

－连载６完－