如何在Python中用遺傳算法優化垃圾收集

這篇文章主要講解了“如何在Python中用遺傳算法優化垃圾收集”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“如何在Python中用遺傳算法優化垃圾收集”吧！

背景

在其中一個章節中，Mitchell介紹了一個名叫Robby的機器人，他在生活中的唯一目的是撿垃圾，并描述了如何使用GA優化Robby的控制策略。下面我將解釋我解決這個問題的方法，并展示如何在Python中實現該算法。有一些很好的包可以用來構造這類算法(比如DEAP)，但是在本教程中，我將只使用基本Python、Numpy和TQDM(可選)。

雖然這只是一個玩具的例子，但GAs在許多實際應用中都有使用。作為一個數據科學家，我經常用它們來進行超參數優化和模型選擇。雖然GAs的計算成本很高，但GAs允許我們并行地探索搜索空間的多個區域，并且在計算梯度時是一個很好的選擇。

問題描述

一個名為Robby的機器人生活在一個充滿垃圾的二維網格世界中，周圍有4堵墻(如下圖所示)。這個項目的目標是發展一個最佳的控制策略，使他能夠有效地撿垃圾，而不是撞墻。

Robby只能看到他周圍上下左右四個方塊以及他所在的方塊，每個方塊有3個選擇，空的，有垃圾，或者是一面墻。因此，Robby有3?=243種不同的情況。Robby可以執行7種不同的動作：上下左右的移動(4種)、隨機移動、撿拾垃圾或靜止不動。

因此，Robby的控制策略可以編碼為一個“DNA”字符串，由0到6之間的243位數字組成(對應于Robby在243種可能的情況下應該采取的行動)。

方法

任何GA的優化步驟如下：

1. 鴻蒙官方戰略合作共建——HarmonyOS技術社區

2. 生成問題初始隨機解的“種群”

3. 個體的“擬合度”是根據它解決問題的程度來評估的

4. 最合適的解決方案進行“繁殖”并將“遺傳”物質傳遞給下一代的后代

5. 重復第2步和第3步，直到我們得到一組優化的解決方案

在我們的任務中，你創建了第一代Robbys初始化為隨機DNA字符串(對應于隨機控制策略)。然后模擬讓這些機器人在隨機分配的網格世界中運行，并觀察它們的性能。

擬合度

機器人的擬合度取決于它在n次移動中撿到多少垃圾，以及它撞到墻上多少次。在我們的例子中，機器人每撿到一塊垃圾就給它10分，每次它撞到墻上就減去5分。然后，這些機器人以它們的擬合度相關的概率進行“交配”(即，撿起大量垃圾的機器人更有可能繁衍后代)，新一代機器人誕生了。

交配

有幾種不同的方法可以實現“交配”。在Mitchell的版本中，她將父母的兩條DNA鏈隨機拼接，然后將它們連接在一起，為下一代創造一個孩子。在我的實現中，我從每一個親本中隨機分配每個基因(即，對于243個基因中的每一個，我擲硬幣決定遺傳誰的基因)。

例如使用我的方法，在前10個基因里，父母和孩子可能的基因如下：

Parent 1: 1440623161 Parent 2: 2430661132 Child:    2440621161

突變

我們用這個算法復制的另一個自然選擇的概念是“變異”。雖然一個孩子的絕大多數基因都是從父母那里遺傳下來的，但我也建立了基因突變的小可能性(即隨機分配)。這種突變率使我們能夠探索新的可能。

Python實現

第一步是導入所需的包并為此任務設置參數。我已經選擇了這些參數作為起點，但是它們可以調整，我鼓勵你可以嘗試調整。

""" 導入包 """ import numpy as np from tqdm.notebook import tqdm  """ 設置參數 """ # 仿真設置 pop_size = 200 # 每一代機器人的數量 num_breeders = 100 # 每一代能夠交配的機器人數量 num_gen = 400 # 總代數 iter_per_sim = 100 # 每個機器人垃圾收集模擬次數 moves_per_iter = 200 # 機器人每次模擬可以做的移動數  # 網格設置 rubbish_prob = 0.5 # 每個格子中垃圾的概率 grid_size = 10 # 0網格大小(墻除外)  # 進化設置 wall_penalty = -5 # 因撞到墻上而被扣除的擬合點 no_rub_penalty = -1 # 在空方塊撿垃圾被扣分 rubbish_score = 10 # 撿垃圾可獲得積分 mutation_rate = 0.01 # 變異的概率

接下來，我們為網格世界環境定義一個類。我們用標記“o”、“x”和“w”來表示每個單元，分別對應一個空單元、一個帶有垃圾的單元和一個墻。

class Environment:     """     類，用于表示充滿垃圾的網格環境。每個單元格可以表示為:     'o': 空     'x': 垃圾     'w': 墻     """     def __init__(self, p=rubbish_prob, g_size=grid_size):         self.p = p # 單元格是垃圾的概率         self.g_size = g_size # 不包括墻          # 初始化網格并隨機分配垃圾         self.grid = np.random.choice(['o','x'], size=(self.g_size+2,self.g_size+2), p=(1 - self.p, self.p))                  # 設置外部正方形為墻壁         self.grid[:,[0,self.g_size+1]] = 'w'         self.grid[[0,self.g_size+1], :] = 'w'      def show_grid(self):         # 以當前狀態打印網格         print(self.grid)      def remove_rubbish(self,i,j):         # 從指定的單元格(i,j)清除垃圾         if self.grid[i,j] == 'o': # 單元格已經是空             return False         else:             self.grid[i,j] = 'o'             return True      def get_pos_string(self,i,j):         # 返回一個字符串，表示單元格(i,j)中機器人“可見”的單元格         return self.grid[i-1,j] + self.grid[i,j+1] + self.grid[i+1,j] + self.grid[i,j-1] + self.grid[i,j]

接下來，我們創建一個類來表示我們的機器人。這個類包括執行動作、計算擬合度和從一對父機器人生成新DNA的方法。

class Robot:     """     用于表示垃圾收集機器人     """     def __init__(self, p1_dna=None, p2_dna=None, m_rate=mutation_rate, w_pen=wall_penalty, nr_pen=no_rub_penalty, r_score=rubbish_score):         self.m_rate = m_rate # 突變率         self.wall_penalty = w_pen # 因撞到墻上而受罰         self.no_rub_penalty = nr_pen # 在空方塊撿垃圾的處罰         self.rubbish_score = r_score # 撿垃圾的獎勵         self.p1_dna = p1_dna # 父母2的DNA         self.p2_dna = p2_dna # 父母2的DNA                  # 生成字典來從場景字符串中查找基因索引         con = ['w','o','x'] # 墻，空，垃圾         self.situ_dict = dict()         count = 0         for up in con:             for right in con:                 for down in con:                     for left in con:                         for pos in con:                             self.situ_dict[up+right+down+left+pos] = count                             count += 1                  # 初始化DNA         self.get_dna()      def get_dna(self):         # 初始化機器人的dna字符串         if self.p1_dna is None:             # 沒有父母的時候隨機生成DNA             self.dna = ''.join([str(x) for x in np.random.randint(7,size=243)])         else:             self.dna = self.mix_dna()      def mix_dna(self):         # 從父母的DNA生成機器人的DNA         mix_dna = ''.join([np.random.choice([self.p1_dna,self.p2_dna])[i] for i in range(243)])          #添加變異         for i in range(243):             if np.random.rand() > 1 - self.m_rate:                 mix_dna = mix_dna[:i] + str(np.random.randint(7)) + mix_dna[i+1:]          return mix_dna      def simulate(self, n_iterations, n_moves, debug=False):         # 仿真垃圾收集         tot_score = 0         for it in range(n_iterations):             self.score = 0 # 擬合度分數             self.envir = Environment()             self.i, self.j = np.random.randint(1,self.envir.g_size+1, size=2) # 隨機分配初始位置             if debug:                 print('before')                 print('start position:',self.i, self.j)                 self.envir.show_grid()             for move in range(n_moves):                 self.act()             tot_score += self.score             if debug:                 print('after')                 print('end position:',self.i, self.j)                 self.envir.show_grid()                 print('score:',self.score)         return tot_score / n_iterations # n次迭代的平均得分      def act(self):         # 根據DNA和機器人位置執行動作         post_str = self.envir.get_pos_string(self.i, self.j) # 機器人當前位置         gene_idx = self.situ_dict[post_str] # 當前位置DNA的相關索引         act_key = self.dna[gene_idx] # 從DNA中讀取行動         if act_key == '5':             # 隨機移動             act_key = np.random.choice(['0','1','2','3'])          if act_key == '0':             self.mv_up()         elif act_key == '1':             self.mv_right()         elif act_key == '2':             self.mv_down()         elif act_key == '3':             self.mv_left()         elif act_key == '6':             self.pickup()      def mv_up(self):         # 向上移動         if self.i == 1:             self.score += self.wall_penalty         else:             self.i -= 1      def mv_right(self):         # 向右移動         if self.j == self.envir.g_size:             self.score += self.wall_penalty         else:             self.j += 1      def mv_down(self):         # 向下移動         if self.i == self.envir.g_size:             self.score += self.wall_penalty         else:             self.i += 1      def mv_left(self):         # 向左移動         if self.j == 1:             self.score += self.wall_penalty         else:             self.j -= 1      def pickup(self):         # 撿垃圾         success = self.envir.remove_rubbish(self.i, self.j)         if success:             # 成功撿到垃圾             self.score += self.rubbish_score         else:             # 當前方塊沒有撿到垃圾             self.score += self.no_rub_penalty

最后是運行遺傳算法的時候了。在下面的代碼中，我們生成一個初始的機器人種群，讓自然選擇來運行它的過程。我應該提到的是，當然有更快的方法來實現這個算法(例如利用并行化)，但是為了本教程的目的，我犧牲了速度來實現清晰。

# 初始種群 pop = [Robot() for x in range(pop_size)] results = []  # 執行進化 for i in tqdm(range(num_gen)):     scores = np.zeros(pop_size)          # 遍歷所有機器人     for idx, rob in enumerate(pop):         # 運行垃圾收集模擬并計算擬合度         score = rob.simulate(iter_per_sim, moves_per_iter)         scores[idx] = score      results.append([scores.mean(),scores.max()]) # 保存每一代的平均值和最大值      best_robot = pop[scores.argmax()] # 保存最好的機器人      # 限制那些能夠交配的機器人的數量     inds = np.argpartition(scores, -num_breeders)[-num_breeders:] # 基于擬合度得到頂級機器人的索引     subpop = []     for idx in inds:         subpop.append(pop[idx])     scores = scores[inds]      # 平方并標準化     norm_scores = (scores - scores.min()) ** 2      norm_scores = norm_scores / norm_scores.sum()      # 創造下一代機器人     new_pop = []     for child in range(pop_size):         # 選擇擬合度優秀的父母         p1, p2 = np.random.choice(subpop, p=norm_scores, size=2, replace=False)         new_pop.append(Robot(p1.dna, p2.dna))      pop = new_pop

雖然最初大多數機器人不撿垃圾，總是撞到墻上，但幾代人之后，我們開始看到一些簡單的策略(例如“如果與垃圾在一起，就撿起來”和“如果挨著墻，就不要移到墻里”)。經過幾百次的反復，我們只剩下一代不可思議的垃圾收集天才!

結果

下面的圖表表明，我們能夠在400代機器人種群中“進化”出一種成功的垃圾收集策略。

為了評估進化控制策略的質量，我手動創建了一個基準策略，其中包含一些直觀合理的規則：

• 如果垃圾在當前方塊，撿起來

• 如果在相鄰的方塊上可以看到垃圾，移到那個方塊

• 如果靠近墻，則向相反方向移動

• 否則，隨意移動

平均而言，這一基準策略達到了426.9的擬合度，但我們最終的“進化”機器人的平均擬合度為475.9。

戰略分析

這種優化方法最酷的一點是，你可以找到反直覺的解決方案。機器人不僅能夠學習人類可能設計的合理規則，而且還自發地想出了人類可能永遠不會考慮的策略。一種先進的技術出現了，就是使用“標記物”來克服近視和記憶不足。

例如，如果一個機器人現在在一個有垃圾的方塊上，并且可以看到東西方方塊上的垃圾，那么一個天真的方法就是立即撿起當前方塊上的垃圾，然后移動到那個有垃圾的方塊。這種策略的問題是，一旦機器人移動(比如向西)，他就無法記住東邊還有1個垃圾。為了克服這個問題，我們觀察了我們的進化機器人執行以下步驟：

• 向西移動(在當前方塊留下垃圾作為標記)

• 撿起垃圾往東走(它可以看到垃圾作為標記)

• 把垃圾撿起來，搬到東邊去

• 撿起最后一塊垃圾 

從這種優化中產生的另一個反直覺策略的例子如下所示。OpenAI使用強化學習(一種更復雜的優化方法)教代理玩捉迷藏。我們看到，這些代理一開始學習“人類”策略，但最終學會了新的解決方案。

感謝各位的閱讀，以上就是“如何在Python中用遺傳算法優化垃圾收集”的內容了，經過本文的學習后，相信大家對如何在Python中用遺傳算法優化垃圾收集這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！