R语言遗传算法：如何指定二进制染色体中1的数量

我正在使用rbga函数（该问题同样适用于R语言中其他遗传算法实现方案），想知道是否可以指定二进制染色体中1的数量。

示例代码 #

data(iris)
library(MASS)
X <- as.data.frame(cbind(scale(iris[,1:4]), matrix(rnorm(36*150), 150, 36)))
Y <- iris[,5]

iris.evaluate <- function(indices) {
    print("Chromosome")
    print(indices)
    print("=================================")
    result = 1
    if (sum(indices) > 2) {
        huhn <- lda(X[,indices==1], Y, CV=TRUE)$posterior
        result = sum(Y != dimnames(huhn)[[2]][apply(huhn, 1,
                                                    function(x)
                                                        which(x == max(x)))]) / length(Y)
    }
    result
}

monitor <- function(obj) {
    minEval = min(obj$evaluations);
    plot(obj, type="hist");
}

woppa <- rbga.bin(size=40, mutationChance=0.05, zeroToOneRatio=10,
                  evalFunc=iris.evaluate, showSettings=TRUE, verbose=TRUE)

部分染色体示例 #

"Chromosome"
 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
"================================="
"Chromosome"
 0 0 1 1 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 1 0 0 0
"================================="
"Chromosome"
 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0
"================================="
"Chromosome"
 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
"================================="

上述染色体中1的数量（即选中的特征数）分别为5、8、5和4。

我需要遵循某论文中的技术要求，应用遗传算法后需选取特定数量的特征，因此有两个问题：

1. 是否可以在遗传算法中指定解/染色体所需的特征数量？
2. 是否可以在最终解/染色体上实现该需求？若可以，具体如何操作？

问题1：在遗传算法运行中指定特征数量 #

可以通过两种核心方式实现约束：

方法1：修改适应度评估函数，添加惩罚机制

对不符合目标特征数量的染色体施加极高惩罚，让这类染色体在选择过程中被快速淘汰。比如你需要固定选择5个特征，可以修改评估函数如下：

iris.evaluate <- function(indices) {
    target_k <- 5  # 你需要的固定特征数量
    # 对不符合数量要求的染色体直接返回最差适应度（这里是最大错误率）
    if (sum(indices) != target_k) {
        return(1)
    }
    # 原有的评估逻辑
    huhn <- lda(X[,indices==1], Y, CV=TRUE)$posterior
    result = sum(Y != dimnames(huhn)[[2]][apply(huhn, 1,
                                                function(x)
                                                    which(x == max(x)))]) / length(Y)
    result
}

这种方法简单直接，不需要修改遗传算法的核心逻辑，适合rbga.bin这类参数较少的实现。

方法2：自定义遗传操作（交叉/变异）

如果需要更严格的约束，可以重写交叉和变异函数，确保生成的新染色体始终满足1的数量要求：

• 交叉操作：只交换两个染色体中相同位置的0和1，或者交换固定数量的1的位置，保证交叉后1的总数不变。
• 变异操作：每次变异时，必须将一个0转为1的同时，把另一个1转为0，保持总数恒定。

不过rbga.bin本身没有开放自定义交叉、变异的参数，你可能需要切换到更灵活的遗传算法包（如GA包），或者直接修改genalg包的源码实现。

问题2：在最终解上实现特征数量约束 #

如果不在算法运行过程中约束，也可以在得到遗传算法的结果后进行处理：

方法1：筛选种群中符合数量要求的最优解

运行完遗传算法后，从所有迭代产生的种群个体中，筛选出1的数量符合要求的个体，再从中选择适应度最优的：

target_k <- 5
# 从种群中筛选出特征数量符合要求的个体
valid_pop <- woppa$population[apply(woppa$population, 1, sum) == target_k, ]
# 对应筛选出的个体的适应度值
valid_evals <- woppa$evaluations[apply(woppa$population, 1, sum) == target_k]

# 找到适应度最优的个体（这里错误率最小）
if (length(valid_evals) > 0) {
    best_valid_idx <- which.min(valid_evals)
    best_valid_chromosome <- valid_pop[best_valid_idx, ]
    print("符合数量要求的最优染色体：")
    print(best_valid_chromosome)
} else {
    print("种群中没有符合数量要求的个体，请调整算法参数或运行次数")
}

方法2：调整最优解的特征数量

如果种群中没有完全符合要求的个体，可以对最优解进行微调：

• 如果最优解的1的数量多于目标值：随机去掉多余的1；
• 如果少于目标值：随机添加缺少的1。

但这种方法可能会降低解的最优性，仅适合对精度要求不高的场景。

内容的提问来源于stack exchange，提问作者vic