R语言GA包遗传算法如何指定决策变量等式约束并限制小数位数

1. 控制决策变量为指定位数小数 #

GA包原生支持实值变量的精度控制，不需要额外改造逻辑：

• 调用ga()时选择type = "real-valued"，直接传入precision参数，参数值设为你需要保留的小数位数即可。比如要保留2位小数，就设置precision = 2，GA生成的所有决策变量都会自动四舍五入到对应位数，不会出现小数位数过多的问题。
• 如果用整数型GA实现，可做简单的变量映射：将需要保留n位小数的变量乘以10^n转为整数，在整数域做优化，计算适应度时再除以10^n还原为小数即可。

2. 保证约束始终生效的最优方案 #

不推荐用简单的if判断加惩罚的方式，很容易出现惩罚权重不合理导致约束不生效的问题，推荐用变量降维法天然满足约束：
你的约束是「除0809am时段外，其余时段的percent值之和等于mdp」，假设除0809am之外总共有N个时段，你只需要优化其中N-1个时段的percent值，最后1个非0809am时段的percent值直接用公式last_pct = mdp - sum(其余N-1个非0809am时段的percent)计算即可，这样约束从始至终100%满足，完全不需要加任何惩罚逻辑。
如果需要给最后一个计算得到的percent加上下限约束，只需要给你优化的N-1个变量设置合理的上下限，或者在适应度函数里加简单的边界校验，超出范围就返回极差的适应度值即可。
如果不想用降维法，也可以用自适应惩罚：惩罚值和约束违反的程度挂钩，公式为惩罚值 = abs(sum(非0809am时段percent) - mdp) * 惩罚系数，惩罚系数要比你目标函数的最大可能值高2-3个数量级，保证GA会优先满足约束。

3. 示例代码 #

library(GA)
# 预设参数
mdp <- 0.8 # 给定的约束和值
n_non_0809 <- 7 # 除0809am之外的时段总数
digit_precision <- 2 # 需要保留的小数位数
# 适应度函数：仅优化n_non_0809-1个非0809am时段的percent
fitness <- function(x) {
  # 计算最后一个非0809am时段的percent，天然满足sum等于mdp的约束
  last_non_0809_pct <- mdp - sum(x)
  # 边界校验：保证最后一个percent在合理范围内（可根据你的业务调整上下限）
  if(last_non_0809_pct < 0 | last_non_0809_pct > 0.3) {
    return(1e6) # 最小化目标的情况下，超出边界返回极大适应度
  }
  # 拼接所有时段的percent（包含0809am时段，若该时段也为优化变量可同步传入）
  all_pct <- c(x, last_non_0809_pct, pct_0809am)
  # 计算x前缀负效用列的总和
  total_disutility <- sum(your_dataset[, startsWith(names(your_dataset), "x")] %*% all_pct)
  return(total_disutility)
}
# 运行遗传算法
ga_res <- ga(
  type = "real-valued",
  fitness = fitness,
  lower = rep(0, n_non_0809 - 1), # 每个优化变量的下限，可按需调整
  upper = rep(0.3, n_non_0809 - 1), # 每个优化变量的上限，可按需调整
  precision = digit_precision, # 控制决策变量小数位数
  maxiter = 1000,
  popSize = 50,
  maximize = FALSE # 目标为最小化总负效用
)

内容的提问来源于stack exchange，提问作者umair durrani