引言
[#Algorithm optimization#]系列是一个进阶系列，这个系列讲的是在grasshopper里如何使用各种智能算法辅助我们进行设计。希望通过这些简单的介绍，能为设计从业者和爱好者带来些灵感。
那就进入今天的主题——#遗传算法#
本篇内容提要：
首先解释遗传算法是啥。
然后介绍如何将其运用到设计当中。
最后实践一个简单的案例。
遗传算法做的图表
先给出科学定义：
遗传算法起源于对生物系统所进行的计算机模拟研究。它是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，借鉴了达尔文的进化论和孟德尔的遗传学说。
其本质是一种高效、并行、全局搜索的方法，能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最佳解。
看不懂没有关系，接下来小编会尽量用人话解释。本来是想着让理论部分尽可能的精简，但是过于精简的理论，会让这次实践变成是无脑的“看说明书跟着做”，所以我决定还是要把理论详细地说明一下。
先举个简单的例子：
达尔文认为长颈鹿的脖子是“自然选择”反复作用的结果。相较于颈部短的长颈鹿，颈部较长的长颈鹿更有可能从艰难时期中存活过来。
那么结合中学所学的一些生物学我们可以得知：
1.生物的进化首先要有多种差异性的个体以及庞大的基因库
2.将基因翻译为生物，得出若干种表现型
3.有个自然存在的条件去淘汰不合适的生物
（即基因→表现型→通过表现型筛选）
那么这玩意怎么应用到设计当中呢。
我们将这套理论对应到grasshopper里，可以把遗传算法划分为三道逻辑：
1.有参数作为基因值，这些参数的每一个值都对应着你的一种设计
2.有一个解密基因的流程，将这些参数（基因）翻译为设计（表现型）
3.设置一个条件去筛选出你想要的设计
如果还是没看懂，没有关系，接下来进行实例讲解。
比如说我们在空间中有一条曲线，现要在这条曲线上套上一个box，并使得其体积为最小值。
首先要明白的一点是左侧的滑条就是我们所得到的的基因值，通过这些基因值的改变可以得到若干种不同的box（即不同的表现型）
将我们刚刚得到的基因值以及不同box的体积（表现型）与Galapagos运算器连接（注意从galapagos运算器端引出），双击打开运算器，可以在通用设置一栏选用求最大值或是最小值，也可以限制其运行时间。往下面就可以看见Evolutionary solver(进化求解器):
population指的是个体，举个例子这里初始值为50即说明首次迭代会有50对上图提到的两个参数的随机组合。下面的Inbreeding（近亲交配）对结果不会有太大影响。
至于Annealing solver（退火算法）在设计中用处不多就不介绍了
设定好条件后，点击左上运算器然后开始运算。然后你可以看见这两个数值在疯狂的跳动，该运算器正为你计算最佳结果。
最后得到的运算结果，上方的列表的每一个序号都对应着50个值，在49代中取得了最佳的运算结果，右下角表示的运算结果（表现型）会按照适合程度进行排序，也可以使其显示为基因型的排序，这些数值将会有利于你展示的方案的优化过程。
另外，目前在窗口只是显示较好的方案，你可以在右上角点击显示所有尝试的解决方案，这样会使你的电脑运算量增大，但更利于完整的表达优化过程。
今天的分享就到这里，下次会分享一个稍微复杂点的例子，给大家留下个简单的思考题吧，可以用今天学到的知识完成：
1.在一个圆圈内取三点，用遗传算法算出如何使所取三点形成的三角形的面积最大。
2.安装octopus插件，今天的内容只是用了一个条件进行优化，后面的进阶内容会介绍如何用octopus进行多个条件的优化。
原文声明：©原创作品，若您要转载内容，请联系我们，并注明原作者出处。
转载声明：本文已获原作者授权，如需转载请联系原作者。
[文章版权声明] 标注原创及部分未标注内容版权为本站原创所有，未经允许请勿转载 转载请保留原文链接及出处：https://archcookie.com/application-of-galapagos-genetic-algorithm-in-grasshopper.html
评论0