如何在Python中用遺傳算法優(yōu)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(yōu)化垃圾收集”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何在Python中用遺傳算法優(yōu)化垃圾收集”吧！

背景

在其中一個(gè)章節(jié)中，Mitchell介紹了一個(gè)名叫Robby的機(jī)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(yōu)化Robby的控制策略。下面我將解釋我解決這個(gè)問題的方法，并展示如何在Python中實(shí)現(xiàn)該算法。有一些很好的包可以用來構(gòu)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(gè)玩具的例子，但GAs在許多實(shí)際應(yīng)用中都有使用。作為一個(gè)數(shù)據(jù)科學(xué)家，我經(jīng)常用它們來進(jìn)行超參數(shù)優(yōu)化和模型選擇。雖然GAs的計(jì)算成本很高，但GAs允許我們并行地探索搜索空間的多個(gè)區(qū)域，并且在計(jì)算梯度時(shí)是一個(gè)很好的選擇。

問題描述

一個(gè)名為Robby的機(jī)器人生活在一個(gè)充滿垃圾的二維網(wǎng)格世界中，周圍有4堵墻(如下圖所示)。這個(gè)項(xiàng)目的目標(biāo)是發(fā)展一個(gè)最佳的控制策略，使他能夠有效地?fù)炖?，而不是撞墻?/p>

Robby只能看到他周圍上下左右四個(gè)方塊以及他所在的方塊，每個(gè)方塊有3個(gè)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(zhí)行7種不同的動(dòng)作：上下左右的移動(dòng)(4種)、隨機(jī)移動(dòng)、撿拾垃圾或靜止不動(dòng)。

因此，Robby的控制策略可以編碼為一個(gè)“DNA”字符串，由0到6之間的243位數(shù)字組成(對(duì)應(yīng)于Robby在243種可能的情況下應(yīng)該采取的行動(dòng))。

方法

任何GA的優(yōu)化步驟如下：

1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術(shù)社區(qū)

2. 生成問題初始隨機(jī)解的“種群”

3. 個(gè)體的“擬合度”是根據(jù)它解決問題的程度來評(píng)估的

4. 最合適的解決方案進(jìn)行“繁殖”并將“遺傳”物質(zhì)傳遞給下一代的后代

5. 重復(fù)第2步和第3步，直到我們得到一組優(yōu)化的解決方案

在我們的任務(wù)中，你創(chuàng)建了第一代Robbys初始化為隨機(jī)DNA字符串(對(duì)應(yīng)于隨機(jī)控制策略)。然后模擬讓這些機(jī)器人在隨機(jī)分配的網(wǎng)格世界中運(yùn)行，并觀察它們的性能。

擬合度

機(jī)器人的擬合度取決于它在n次移動(dòng)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(jī)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(jī)器人以它們的擬合度相關(guān)的概率進(jìn)行“交配”(即，撿起大量垃圾的機(jī)器人更有可能繁衍后代)，新一代機(jī)器人誕生了。

交配

有幾種不同的方法可以實(shí)現(xiàn)“交配”。在Mitchell的版本中，她將父母的兩條DNA鏈隨機(jī)拼接，然后將它們連接在一起，為下一代創(chuàng)造一個(gè)孩子。在我的實(shí)現(xiàn)中，我從每一個(gè)親本中隨機(jī)分配每個(gè)基因(即，對(duì)于243個(gè)基因中的每一個(gè)，我擲硬幣決定遺傳誰(shuí)的基因)。

例如使用我的方法，在前10個(gè)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(gè)算法復(fù)制的另一個(gè)自然選擇的概念是“變異”。雖然一個(gè)孩子的絕大多數(shù)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(jī)分配)。這種突變率使我們能夠探索新的可能。

Python實(shí)現(xiàn)

第一步是導(dǎo)入所需的包并為此任務(wù)設(shè)置參數(shù)。我已經(jīng)選擇了這些參數(shù)作為起點(diǎn)，但是它們可以調(diào)整，我鼓勵(lì)你可以嘗試調(diào)整。

""" 導(dǎo)入包 """ import numpy as np from tqdm.notebook import tqdm  """ 設(shè)置參數(shù) """ # 仿真設(shè)置 pop_size = 200 # 每一代機(jī)器人的數(shù)量 num_breeders = 100 # 每一代能夠交配的機(jī)器人數(shù)量 num_gen = 400 # 總代數(shù) iter_per_sim = 100 # 每個(gè)機(jī)器人垃圾收集模擬次數(shù) moves_per_iter = 200 # 機(jī)器人每次模擬可以做的移動(dòng)數(shù)  # 網(wǎng)格設(shè)置 rubbish_prob = 0.5 # 每個(gè)格子中垃圾的概率 grid_size = 10 # 0網(wǎng)格大小(墻除外)  # 進(jìn)化設(shè)置 wall_penalty = -5 # 因撞到墻上而被扣除的擬合點(diǎn) 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?yōu)榫W(wǎng)格世界環(huán)境定義一個(gè)類。我們用標(biāo)記“o”、“x”和“w”來表示每個(gè)單元，分別對(duì)應(yīng)一個(gè)空單元、一個(gè)帶有垃圾的單元和一個(gè)墻。

class Environment:     """     類，用于表示充滿垃圾的網(wǎng)格環(huán)境。每個(gè)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(wǎng)格并隨機(jī)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(shè)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(dāng)前狀態(tài)打印網(wǎng)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(jīng)是空             return False         else:             self.grid[i,j] = 'o'             return True      def get_pos_string(self,i,j):         # 返回一個(gè)字符串，表示單元格(i,j)中機(jī)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(chuàng)建一個(gè)類來表示我們的機(jī)器人。這個(gè)類包括執(zhí)行動(dòng)作、計(jì)算擬合度和從一對(duì)父機(jī)器人生成新DNA的方法。

class Robot:     """     用于表示垃圾收集機(jī)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(jiǎng)勵(lì)         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(chǎng)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(jī)器人的dna字符串         if self.p1_dna is None:             # 沒有父母的時(shí)候隨機(jī)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(jī)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?jǐn)?shù)             self.envir = Environment()             self.i, self.j = np.random.randint(1,self.envir.g_size+1, size=2) # 隨機(jī)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(jù)DNA和機(jī)器人位置執(zhí)行動(dòng)作         post_str = self.envir.get_pos_string(self.i, self.j) # 機(jī)器人當(dāng)前位置         gene_idx = self.situ_dict[post_str] # 當(dāng)前位置DNA的相關(guān)索引         act_key = self.dna[gene_idx] # 從DNA中讀取行動(dòng)         if act_key == '5':             # 隨機(jī)移動(dòng)             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(dòng)         if self.i == 1:             self.score += self.wall_penalty         else:             self.i -= 1      def mv_right(self):         # 向右移動(dòng)         if self.j == self.envir.g_size:             self.score += self.wall_penalty         else:             self.j += 1      def mv_down(self):         # 向下移動(dòng)         if self.i == self.envir.g_size:             self.score += self.wall_penalty         else:             self.i += 1      def mv_left(self):         # 向左移動(dòng)         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(dāng)前方塊沒有撿到垃圾             self.score += self.no_rub_penalty

最后是運(yùn)行遺傳算法的時(shí)候了。在下面的代碼中，我們生成一個(gè)初始的機(jī)器人種群，讓自然選擇來運(yùn)行它的過程。我應(yīng)該提到的是，當(dāng)然有更快的方法來實(shí)現(xiàn)這個(gè)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(shí)現(xiàn)清晰。

# 初始種群 pop = [Robot() for x in range(pop_size)] results = []  # 執(zhí)行進(jìn)化 for i in tqdm(range(num_gen)):     scores = np.zeros(pop_size)          # 遍歷所有機(jī)器人     for idx, rob in enumerate(pop):         # 運(yùn)行垃圾收集模擬并計(jì)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(jī)器人      # 限制那些能夠交配的機(jī)器人的數(shù)量     inds = np.argpartition(scores, -num_breeders)[-num_breeders:] # 基于擬合度得到頂級(jí)機(jī)器人的索引     subpop = []     for idx in inds:         subpop.append(pop[idx])     scores = scores[inds]      # 平方并標(biāo)準(zhǔn)化     norm_scores = (scores - scores.min()) ** 2      norm_scores = norm_scores / norm_scores.sum()      # 創(chuàng)造下一代機(jī)器人     new_pop = []     for child in range(pop_size):         # 選擇擬合度優(yōu)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(shù)機(jī)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(jiǎn)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(jīng)過幾百次的反復(fù)，我們只剩下一代不可思議的垃圾收集天才!

結(jié)果

下面的圖表表明，我們能夠在400代機(jī)器人種群中“進(jìn)化”出一種成功的垃圾收集策略。

為了評(píng)估進(jìn)化控制策略的質(zhì)量，我手動(dòng)創(chuàng)建了一個(gè)基準(zhǔn)策略，其中包含一些直觀合理的規(guī)則：

• 如果垃圾在當(dāng)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(gè)方塊

• 如果靠近墻，則向相反方向移動(dòng)

• 否則，隨意移動(dòng)

平均而言，這一基準(zhǔn)策略達(dá)到了426.9的擬合度，但我們最終的“進(jìn)化”機(jī)器人的平均擬合度為475.9。

戰(zhàn)略分析

這種優(yōu)化方法最酷的一點(diǎn)是，你可以找到反直覺的解決方案。機(jī)器人不僅能夠?qū)W習(xí)人類可能設(shè)計(jì)的合理規(guī)則，而且還自發(fā)地想出了人類可能永遠(yuǎn)不會(huì)考慮的策略。一種先進(jìn)的技術(shù)出現(xiàn)了，就是使用“標(biāo)記物”來克服近視和記憶不足。

例如，如果一個(gè)機(jī)器人現(xiàn)在在一個(gè)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(gè)天真的方法就是立即撿起當(dāng)前方塊上的垃圾，然后移動(dòng)到那個(gè)有垃圾的方塊。這種策略的問題是，一旦機(jī)器人移動(dòng)(比如向西)，他就無法記住東邊還有1個(gè)垃圾。為了克服這個(gè)問題，我們觀察了我們的進(jìn)化機(jī)器人執(zhí)行以下步驟：

• 向西移動(dòng)(在當(dāng)前方塊留下垃圾作為標(biāo)記)

• 撿起垃圾往東走(它可以看到垃圾作為標(biāo)記)

• 把垃圾撿起來，搬到東邊去

• 撿起最后一塊垃圾 

從這種優(yōu)化中產(chǎn)生的另一個(gè)反直覺策略的例子如下所示。OpenAI使用強(qiáng)化學(xué)習(xí)(一種更復(fù)雜的優(yōu)化方法)教代理玩捉迷藏。我們看到，這些代理一開始學(xué)習(xí)“人類”策略，但最終學(xué)會(huì)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(yōu)化垃圾收集”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)如何在Python中用遺傳算法優(yōu)化垃圾收集這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！