Обмен элементами (кроссовер) между двумя векторами

Question

Предположим, у меня есть:

chromosome_1 <- c('0010000001010000')

chromosome_2 <- c('0100000001001010')

Как я могу реализовать шаг 3-5?

1. оценивать
   • NC1 = нет. из 1 в chromosome_1
   • NC2 = нет. из 1 в chromosome_2
   • М = min(NC1, NC2)
2. Генерировать случайное целое число NC от range(1, M)

3. Случайно выбрать NC положения генов среди генов с аллелем "1" из chromosome_1 и сформировать набор s1 показателей таких выбранных позиций.

   Случайно выбрать NC положения генов среди генов с аллелем "1" из chromosome_2 и сформировать набор s2 показателей таких выбранных позиций.

4. s = union(s1, s2) Предполагать s = 2, 3, 10, 15

5. для каждого индекса i в s

   Обмен аллелей хромосом chromosome_1 а также chromosome_2 в положении гена i,

Следующее иллюстрирует результат:

Я был бы очень признателен за любую помощь!

Answer 1

Может быть не самое простое решение, но оно работает

set.seed(12345)

## Step 1
a <- c(0,0,1,0,0,0,0,0,0,1,0,1,0,0,0,0)
b <- c(0,1,0,0,0,0,0,0,0,1,0,0,1,0,1,0)
m <- min(sum(a==1), sum(b==1))

## Step 2
random_int <- sample(1:m, 1)

## Step 3
random_a <- sample(which(a == 1), random_int)
random_b <- sample(which(b == 1), random_int)
#all <- sort(union(random_a, random_b))

## Step 4
## for demo purpose (assume it as the random output)
all <- c(2,3,10,15)     

temp_a <- a[all]
temp_b <- b[all]

## Step 5
##crossover
b[all] <- temp_a
a[all] <- temp_b

## Output
> a
 [1] 0 1 0 0 0 0 0 0 0 1 0 1 0 0 1 0
> b
 [1] 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0

Answer 2

Вы можете попробовать с пакетом GA:

В руководстве (стр. 5) есть пример.

ga(type = c("binary", "real-valued", "permutation"),
fitness, ...,
min, max, nBits,
population = gaControl(type)$population,
selection = gaControl(type)$selection,
crossover = gaControl(type)$crossover,
mutation = gaControl(type)$mutation,
popSize = 50,
pcrossover = 0.8,
pmutation = 0.1,
elitism = base::max(1, round(popSize*0.05)),
updatePop = FALSE,
postFitness = NULL,
maxiter = 100,
run = maxiter,
maxFitness = Inf,
names = NULL,
suggestions = NULL,
optim = FALSE,
optimArgs = list(method = "L-BFGS-B",
poptim = 0.05,
pressel = 0.5,
control = list(fnscale = -1, maxit = 100)),
keepBest = FALSE,
parallel = FALSE,
monitor = if(interactive())
{ if(is.RStudio()) gaMonitor else gaMonitor2 }
else FALSE,
seed = NULL)

Например, операторы заселения, отбора, кроссовера, мутации и мониторинга назначают новые функции. В своем исследовании я использовал собственные функции мутации и мониторинга. Например;

myga <- ga(type = "binary",
fitness, ...,
min, max, nBits,
mutation = myMutationFunction
popSize = 50,
pcrossover = 0.8,
pmutation = 0.1,
maxiter = 100,
run = maxiter,
monitor = myMonitorFunction

myMutationFunction <- function (x) {
#...
}

myMonitorFunction <- function (x) {
#...
}

Итак, вы просто определяете свою собственную функцию и присваиваете имя функции функции ga. Для того, чтобы справиться, вы можете увидеть функции по умолчанию. Вы можете увидеть необходимые параметры и возвращаемые значения в функциях по умолчанию.