在沒介紹正文之前先給大家補(bǔ)充點(diǎn)go語言基本知識及實(shí)例。
Go 語言教程
Go 是一個開源的編程語言，它能讓構(gòu)造簡單、可靠且高效的軟件變得容易。
Go是從2007年末由Robert Griesemer, Rob Pike, Ken Thompson主持開發(fā)，后來還加入了Ian Lance Taylor, Russ Cox等人，并最終于2009年11月開源，在2012年早些時候發(fā)布了Go 1穩(wěn)定版本?，F(xiàn)在Go的開發(fā)已經(jīng)是完全開放的，并且擁有一個活躍的社區(qū)。
Go 語言特色
簡潔、快速、安全
并行、有趣、開源
內(nèi)存管理、v數(shù)組安全、編譯迅速
Go 語言用途
Go 語言被設(shè)計(jì)成一門應(yīng)用于搭載 Web 服務(wù)器，存儲集群或類似用途的巨型中央服務(wù)器的系統(tǒng)編程語言。
對于高性能分布式系統(tǒng)領(lǐng)域而言，Go 語言無疑比大多數(shù)其它語言有著更高的開發(fā)效率。它提供了海量并行的支持，這對于游戲服務(wù)端的開發(fā)而言是再好不過了。
第一個 Go 程序
接下來我們來編寫第一個 Go 程序 hello.go（Go 語言源文件的擴(kuò)展是 .go），代碼如下：
實(shí)例
package main
import "fmt"
func main() {
fmt.Println("Hello, World!")
}
執(zhí)行以上代碼輸出
$ go run hello.go
Hello, World!
好了，正文開始。
出于好玩的心態(tài)，我決定學(xué)習(xí)一下Go語言。我認(rèn)為學(xué)習(xí)新語言最好的方法就是深入學(xué)習(xí)，并且盡可能多犯錯誤。這樣做雖然可能會很慢，但是可以確保在后面的過程中再也不會出現(xiàn)編譯的錯誤。
Go語言與我習(xí)慣的其他語言不同。Go更喜歡自己單獨(dú)實(shí)現(xiàn)，而其他像Java這類語言更喜歡繼承。其實(shí)在Go語言里面根本沒有繼承這種概念，因?yàn)樗鼔焊蜎]有對象這一說法。比如說C語言，它有結(jié)構(gòu)體，但是沒有類。但是這樣它還是可以有像“構(gòu)造者”這樣的常見思想和設(shè)計(jì)模式（一種在這種情況下有序地產(chǎn)生結(jié)構(gòu)體的方式）。
Go語言堅(jiān)決擁護(hù)組合（composition），同時也很反對繼承的做法，在網(wǎng)絡(luò)上引起了強(qiáng)烈的討論，同時也讓人們重新思考了語言該往哪個方向發(fā)展。所以，從這個角度來看，Go語言與其它語言的差別可能也沒有那么大。
本文將重點(diǎn)介紹如何用Go語言實(shí)現(xiàn)遺傳算法。如果你還沒有參加過GoLang Tour，我還建議你快速看一下這門語言的介紹。
話不多說，讓我們開始從代碼說起吧！第一個例子與我以前做過的很類似：找到一個二次的最小值。
type GeneticAlgorithmSettings struct {
PopulationSize int
MutationRate int
CrossoverRate int
NumGenerations int
KeepBestAcrossPopulation bool
}
type GeneticAlgorithmRunner interface {
GenerateInitialPopulation(populationSize int) []interface{}
PerformCrossover(individual1, individual2 interface{}, mutationRate int) interface{}
PerformMutation(individual interface{}) interface{}
Sort([]interface{})
}
我立馬定義了一組設(shè)置，以便在稍后啟動的算法中用到。
第二部分的GeneticAlgorithmRunner這個看起來有點(diǎn)奇怪。GeneticAlgorithmRunner是一個接口，詢問如何生成初始種群，執(zhí)行corssovers和mutataions，并對答案進(jìn)行排序，以便在Population中保持最好的個體，這樣下一代才會更加優(yōu)秀。我認(rèn)為這看起來很奇怪，因?yàn)椤敖涌凇蓖ǔＳ糜诿嫦驅(qū)ο蟮恼Z言，通常會要求對象實(shí)現(xiàn)某些特性和方法。這里沒有什么差別。這一小段代碼實(shí)際上是在說，它正在請求一些東西來定義這些方法的細(xì)節(jié)。我是這樣做的:
type QuadraticGA struct {}
func (l QuadraticGA) GenerateInitialPopulation(populationSize int) []interface{}{
initialPopulation := make([]interface{}, 0, populationSize)
for i:= 0; i populationSize; i++ {
initialPopulation = append(initialPopulation, makeNewEntry())
}
return initialPopulation
}
func (l QuadraticGA) PerformCrossover(result1, result2 interface{}, _ int) interface{}{
return (result1.(float64) + result2.(float64)) / 2
}
func (l QuadraticGA) PerformMutation(_ interface{}, _ int) interface{}{
return makeNewEntry()
}
func (l QuadraticGA) Sort(population []interface{}){
sort.Slice(population, func(i, j int) bool {
return calculate(population[i].(float64)) > calculate(population[j].(float64))
})
}
更奇怪的是，我從來沒有提到過這些方法的接口。請記住，因?yàn)闆]有對象，也沒有繼承。QuadraticGA結(jié)構(gòu)體是一個空白對象，隱式地作為GeneticAlgorithmRunner。每個必需的方法都在括號中綁定到該結(jié)構(gòu)體，就像Java中的“@ override”?，F(xiàn)在，結(jié)構(gòu)體和設(shè)置需要傳遞給運(yùn)行該算法的模塊。
settings := ga.GeneticAlgorithmSettings{
PopulationSize: 5,
MutationRate: 10,
CrossoverRate: 100,
NumGenerations: 20,
KeepBestAcrossPopulation: true,
}
best, err := ga.Run(QuadraticGA{}, settings)
if err != nil {
println(err)
}else{
fmt.Printf("Best: x: %f y: %f\n", best, calculate(best.(float64)))
}
很簡單,對吧?“QuadraticGA {}”只是簡單地創(chuàng)建了該結(jié)構(gòu)的一個新實(shí)例，其余的則由Run()方法完成。該方法返回搜索結(jié)果和發(fā)生的任何錯誤，因?yàn)镚o不相信try / catch——另一場戰(zhàn)爭作者采取了嚴(yán)格的設(shè)計(jì)立場。
現(xiàn)在來計(jì)算每個項(xiàng)的性能，以求二次函數(shù)求出的二次函數(shù)來求出一個新的X值的方法:
func makeNewEntry() float64 {
return highRange * rand.Float64()
}
func calculate(x float64) float64 {
return math.Pow(x, 2) - 6*x + 2 // minimum should be at x=3
}
既然已經(jīng)為二次實(shí)現(xiàn)創(chuàng)建了接口，那么GA本身需要完成:
func Run(geneticAlgoRunner GeneticAlgorithmRunner, settings GeneticAlgorithmSettings) (interface{}, error){
population := geneticAlgoRunner.GenerateInitialPopulation(settings.PopulationSize)
geneticAlgoRunner.Sort(population)
bestSoFar := population[len(population) - 1]
for i:= 0; i settings.NumGenerations; i++ {
newPopulation := make([]interface{}, 0, settings.PopulationSize)
if settings.KeepBestAcrossPopulation {
newPopulation = append(newPopulation, bestSoFar)
}
// perform crossovers with random selection
probabilisticListOfPerformers := createStochasticProbableListOfIndividuals(population)
newPopIndex := 0
if settings.KeepBestAcrossPopulation{
newPopIndex = 1
}
for ; newPopIndex settings.PopulationSize; newPopIndex++ {
indexSelection1 := rand.Int() % len(probabilisticListOfPerformers)
indexSelection2 := rand.Int() % len(probabilisticListOfPerformers)
// crossover
newIndividual := geneticAlgoRunner.PerformCrossover(
probabilisticListOfPerformers[indexSelection1],
probabilisticListOfPerformers[indexSelection2], settings.CrossoverRate)
// mutate
if rand.Intn(101) settings.MutationRate {
newIndividual = geneticAlgoRunner.PerformMutation(newIndividual)
}
newPopulation = append(newPopulation, newIndividual)
}
population = newPopulation
// sort by performance
geneticAlgoRunner.Sort(population)
// keep the best so far
bestSoFar = population[len(population) - 1]
}
return bestSoFar, nil
}
func createStochasticProbableListOfIndividuals(population []interface{}) []interface{} {
totalCount, populationLength:= 0, len(population)
for j:= 0; j populationLength; j++ {
totalCount += j
}
probableIndividuals := make([]interface{}, 0, totalCount)
for index, individual := range population {
for i:= 0; i index; i++{
probableIndividuals = append(probableIndividuals, individual)
}
}
return probableIndividuals
}
很像以前，一個新的人口被創(chuàng)造出來，人口的成員將會世代交配，而他們的后代可能攜帶突變。一個人的表現(xiàn)越好，就越有可能交配。隨著時間的推移，算法收斂到最好的答案，或者至少是一個相當(dāng)不錯的答案。
那么當(dāng)它運(yùn)行時，它返回了什么呢?
Best: x: 3.072833 y: -6.994695
不壞!由于人口規(guī)模只有5、20代，而且輸入的范圍被限制在[0 100]，這一搜索就釘在了頂點(diǎn)上。
現(xiàn)在，您可能想知道為什么我定義了所有的接口方法來返回“接口{}”。這就像Go和generics一樣。沒有對象，因此沒有對象類型返回，但是沒有描述的大小的數(shù)據(jù)仍然可以在堆棧上傳遞。這本質(zhì)上也是這個返回類型的含義:它傳遞一些已知的和類似的類型的對象。有了這個“泛型”，我就可以將GA移動到它自己的包中，并將相同的代碼移到多個不同類型的數(shù)據(jù)上。
我們有兩個輸入的3D二次方程，而不是一個二維二次方程的單個輸入。接口方法只需要很小的改變:
type Quad3D struct {
x, y float64
}
func makeNewQuadEntry(newX, newY float64) Quad3D {
return Quad3D{
x: newX,
y: newY,
}
}
func calculate3D(entry Quad3D) float64 {
return math.Pow(entry.x, 2)- 6 * entry.x + math.Pow(entry.y, 2)- 6 * entry.y + 2
}
type Quadratic3dGA struct {
}
func (l Quadratic3dGA) GenerateInitialPopulation(populationSize int)[]interface{}{
initialPopulation := make([]interface{}, 0, populationSize)
for i:= 0; i populationSize; i++ { initialPopulation = append(initialPopulation, makeNewQuadEntry(makeNewEntry(), makeNewEntry())) } return initialPopulation } func (l Quadratic3dGA) PerformCrossover(result1, result2 interface{}, mutationRate int) interface{}{ r1Entry, r2Entry := result1.(Quad3D), result2.(Quad3D) return makeNewQuadEntry((r1Entry.x + r2Entry.x) / 2, (r1Entry.y + r2Entry.y) / 2,) } func (l Quadratic3dGA) PerformMutation(_ interface{}) interface{}{ return makeNewQuadEntry(makeNewEntry(), makeNewEntry()) } func (l Quadratic3dGA) Sort(population []interface{}){ sort.Slice(population, func(i, j int) bool { return calculate3D(population[i].(Quad3D)) > calculate3D(population[j].(Quad3D))
})
}
func quadratic3dMain(){
settings := ga.GeneticAlgorithmSettings{
PopulationSize: 25,
MutationRate: 10,
CrossoverRate: 100,
NumGenerations: 20,
KeepBestAcrossPopulation: true,
}
best, err := ga.Run(Quadratic3dGA{}, settings)
entry := best.(Quad3D)
if err != nil {
println(err)
}else{
fmt.Printf("Best: x: %f y: %f z: %f\n", entry.x, entry.y, calculate3D(entry))
}
}
而不是到處都是float64s，任何地方都可以通過Quad3D的條目;每一個都有一個X和一個Y值。對于創(chuàng)建的每個條目，都使用contructor makeNewQuadEntry創(chuàng)建。Run()方法中的代碼都沒有更改。
當(dāng)它運(yùn)行時，我們得到這個輸出:
Best: x: 3.891671 y: 4.554884 z: -12.787259
很接近了!
哦，我忘了說走快了!在Java中執(zhí)行此操作時，即使使用相同的設(shè)置，也會有明顯的等待時間。在一個相對較小的范圍內(nèi)求解二次方程并不是很復(fù)雜，但它對一個人來說是值得注意的。
Go是本地編譯的，比如C。當(dāng)二進(jìn)制執(zhí)行時，它似乎馬上就吐出一個答案。這里有一個簡單的方法來度量每次運(yùn)行的執(zhí)行時間:
func main() {
beforeQuadTime := time.Now()
quadraticMain()
afterQuadTime := time.Since(beforeQuadTime)
fmt.Printf("%d\n", afterQuadTime)
before3dQuadTime := time.Now()
quadratic3dMain()
after3dQuatTime := time.Since(before3dQuadTime)
fmt.Printf("%d\n", after3dQuatTime)
}
邊注:我能說我很高興我們是一個開發(fā)者社區(qū)，讓他們從過去的錯誤中走出來，并把綜合的時間模塊和包構(gòu)建成一種語言嗎?Java 8 +擁有它們，Python擁有它們，并擁有它們。這使我開心。
現(xiàn)在的輸出:
Best: x: 3.072833 y: -6.994695
136,876
Best: x: 3.891671 y: 4.554884 z: -12.787259
4,142,778
那“近乎瞬間”的感覺是我想要傳達(dá)的，現(xiàn)在我們有了很難的數(shù)字。136,876看起來很大，但要在納秒內(nèi)報(bào)告時間。
重申一遍:納秒。不是幾毫秒，我們都習(xí)慣了在互聯(lián)網(wǎng)時代或者其他像Python和Java這樣的通用語言;納秒。1/1,000,000毫秒。
這意味著我們在不到一毫秒的時間里找到了一個使用遺傳算法來搜索答案的二次方程的答案。這句話，“該死的瞬間”似乎很合適，不是嗎?這包括打印到終端。
那么，要計(jì)算更密集的東西呢?在我展示一種尋找好的夢幻足球lineups的方法之前，我在Fanduel上使用。這包括從電子表格中讀取數(shù)據(jù)，制作和過濾lineups，并進(jìn)行更復(fù)雜的交叉和突變。強(qiáng)制尋找最佳解決方案可能需要超過75,000年(至少使用我當(dāng)時使用的Python)。
我不需要再檢查所有的細(xì)節(jié)，你可以自己去看代碼，但我會在這里顯示輸出:
Best: 121.409960:, $58100
QB: Aaron Rodgers - 23.777778
RB: Latavius Murray - 15.228571
RB: DeMarco Murray - 19.980000
WR: Kelvin Benjamin - 11.800000
WR: Stefon Diggs - 14.312500
WR: Alshon Jeffery - 9.888889
TE: Connor Hamlett - 8.200000
D: Philadelphia Eagles - 10.777778
K: Phil Dawson - 7.444444
16,010,182
哦,是的!現(xiàn)在看來這是一個很好的陣容!它只需要16毫秒就能找到。
現(xiàn)在，這個遺傳算法可以改進(jìn)了。與C一樣，當(dāng)將對象傳遞給方法時，將在堆棧上復(fù)制對象(讀取數(shù)據(jù))。隨著對象大小的增長，最好不要反復(fù)復(fù)制它們，而是要在堆中創(chuàng)建它們，并在周圍傳遞指針。目前，我將把它作為未來的工作。
Go也被用coroutines和信道的原生支持編寫，利用多個內(nèi)核來解決一個問題，比過去簡單多了，相比于單核時代的其他語言來說，這是一個巨大的優(yōu)勢。我想要增強(qiáng)這個算法來使用這些工具，但這也必須留給以后的工作。
我很享受學(xué)習(xí)的過程。對于我來說，用組合而不是繼承來考慮工程解決方案是很困難的，因?yàn)槲乙呀?jīng)習(xí)慣了8年以上的時間，也是我學(xué)會編程的方式。但是每種語言和方式都有各自的優(yōu)點(diǎn)和缺點(diǎn);每一種語言在我的工具中都是不同的工具。對于任何擔(dān)心嘗試的人，不要。有一個駝峰(更像是一個減速帶)，但你很快就會克服它，走上成功之路。
還有一些我喜歡的東西，我喜歡其他語言，主要是一組基本的函數(shù)方法來操作數(shù)據(jù)。我需要一個lambda函數(shù)和方法來映射、減少和篩選數(shù)據(jù)的數(shù)組或部分。設(shè)計(jì)人員反對功能實(shí)現(xiàn)的理由是，代碼應(yīng)該總是簡單、易于閱讀和編寫，并且這與for循環(huán)是可實(shí)現(xiàn)的。我認(rèn)為，映射、過濾和減少通常更容易讀和寫，但這是一場已經(jīng)在肆虐的戰(zhàn)爭中的爭論。
盡管我與一些開發(fā)人員的觀點(diǎn)存在分歧，以及我必須考慮解決問題的不同方式，但Go真的是一種很好的語言。我鼓勵大家在學(xué)習(xí)一兩門語言后再試一試。它很快就成為了最流行的語言之一，有很多原因可以解釋為什么。我期待著在未來更多地使用它。
總結(jié)
以上所述是小編給大家介紹的Go語言實(shí)現(xiàn)遺傳算法的實(shí)例代碼，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
您可能感興趣的文章:- Go語言展現(xiàn)快速排序算法全過程的思路及代碼示例
- 深入解析快速排序算法的原理及其Go語言版實(shí)現(xiàn)
- GO語言利用K近鄰算法實(shí)現(xiàn)小說鑒黃
- Go語言實(shí)現(xiàn)漢諾塔算法
- Python和GO語言實(shí)現(xiàn)的消息摘要算法示例
- Go語言通過Luhn算法驗(yàn)證信用卡卡號是否有效的方法
- go語言睡眠排序算法實(shí)例分析
- Go語言實(shí)現(xiàn)AzDG可逆加密算法實(shí)例
- Go語言實(shí)現(xiàn)的樹形結(jié)構(gòu)數(shù)據(jù)比較算法實(shí)例
