我用Anylogic写了一个遗传算法

我最近一直在学习遗传算法，学习一个东西最好的办法就是用上它，然后我就用python写了一个简单的解多元二次方程的遗传算法，当我写完以后就开始了另一个想法： 可以用Anylogic写一个遗传算法吗？
然后我就开始了：

先确定求解的问题

建立一个简单的方程：y=x_1x_1+x_2x_2+x_3x_3+x_4x_4+x_5x_5
目标设为求 min y
也就是求 min （x_1x_1+x_2x_2+x_3x_3+x_4x_4+x_5x_5）
参数x_1,x_2,x_3,x_4和x_5的范围都设为[-5,5]
上面这个问题很简单，一眼就可以看出来解是(0,0,0,0,0)
但是这里只是为了试验Anylogic是否可以写一个简单的遗传算法，就没有必要一开始就解复杂的问题。

进行遗传编码

上面的问题很简单，我们就直接按照x_1,x_2,x_3,x_4和x_5进行编码，遗传基因为五位，用实数进行编码，[x_1,x_2,x_3,x_4,x_5]。

产生初始群体的方法

这里就采用最简单的方法：随机（也不会其它方法）
初始种群采用随机函数生成每个基因。

获得交叉父代的方法与遗传算子

通常采用的选择的方法有轮盘赌选择、(mu+lambda)选择、竞争选择等
选择遗传父代采用轮盘赌选择，就是按照每个个体的适应度确定选择的概率；生存选择采用（mu+lambda）方法。
轮盘赌：
从群体中随机选择，每个个体的选择概率根据个体的适应度来决定。
（mu+lambda）：
lambda个子代由mu个父代产生，进行生存选择时丢弃所有的父代，在子代选择出最优的mu个个体构成新的群体。

遗传算子采用算数算子
子代采用权重继承父代的基因
算数算子： x’=x1lambda1+x2lambda2 (lambda1+lambda2=1,lambda1>0,lambda2>0)

这些都确定好了，可以开始写代码（建模）

应该是建模！
首先是建立一个工程，命名就直接一点，就叫GA，然后就进入工程main智能体。
然后呢？
遗传算法的主要过程是怎么样的呢？
首先要确定用什么来储存基因编码，在python可以直接用列表来储存，Anylogic也有类似的类（Linkedlist），对就是用LinkedList来储存基因。
那每个个体除了基因还有适应度，怎同时储存基因和适应度呢？
也可以直接用LinkedList，但是在建模过程中会显得很不清晰，所以可以直接采用建立智能体。
在Agent库里拖拽agent到main里，选择Agent type only ,智能体类型命名为Individual
在工程树中双击该类型，进入Individual类型编辑，在智能体中添加一个LinkedList和变量就可以表示一个个体的基因和适应度。

然后将LinkedList和变量改为gene和value后，完成好了Individual类的建立了。

建立好了个体类型就需要确定如何给初始群体添加基因和计算适应度（也就是算出，该个体的值）。
解决这样的问题，可以通过建立函数的方式。
这里就建立两个函数，分别用于添加基因和计算适应度。

上图是我建立好的工程，图中的define_var_for_ind是定义个体的基因的函数，函数内容如下图，图中定义了两个参数，一个是ind，是需要添加基因的个体;另一个是vbounds，表示函数每个变量的限制区间，函数体是一个循环，该循环是对每个基因赋予范围内的随机数，并且在最后返回添加的个体的基因：

图中还有一个函数叫get_value名字很直接，就是获得个体的值。这个函数只需要输入个体然后根据之前的目标函数算出函数值。

怎么实现遗传算法过程呢？

采用状态图，将算法过程看成是一个智能体。
然后建立一个智能体，选择a single agent,并且命名为ga_process.

双击进入，然后考虑整个过程是什么样的。
初始化群体→选择父代→杂交→变异→查看是否合法→循环产生足够的子代→循环产生足够的代数
然后画出来的状态图如下（这是已经建好的