遗传算法是一个优化技术,在本质上类似于进化过程。这可能是一个粗略的类比,但如果你眯着眼睛看,达尔文的自然选择确实大致上类似于一个优化任务,其目的是制造出完全适合在其环境中繁衍生息的有机体。
在本文中,我将展示如何在Python中实现一个遗传算法,在几个小时内“进化”一个收集垃圾的机器人。
背景
我所遇到的遗传算法原理最好的教程来自Melanie Mitchell写的一本关于复杂系统的好书《Complexity: A Guided Tour》。
在其中一个章节中,Mitchell介绍了一个名叫Robby的机器人,他在生活中的唯一目的是捡垃圾,并描述了如何使用GA优化Robby的控制策略。下面我将解释我解决这个问题的方法,并展示如何在Python中实现该算法。有一些很好的包可以用来构造这类算法(比如DEAP),但是在本教程中,我将只使用基本Python、Numpy和TQDM(可选)。
虽然这只是一个玩具的例子,但GAs在许多实际应用中都有使用。作为一个数据科学家,我经常用它们来进行超参数优化和模型选择。虽然GAs的计算成本很高,但GAs允许我们并行地探索搜索空间的多个区域,并且在计算梯度时是一个很好的选择。
问题描述
一个名为Robby的机器人生活在一个充满垃圾的二维网格世界中,周围有4堵墙(如下图所示)。这个项目的目标是发展一个最佳的控制策略,使他能够有效地捡垃圾,而不是撞墙。
Robby只能看到他周围上下左右四个方块以及他所在的方块,每个方块有3个选择,空的,有垃圾,或者是一面墙。因此,Robby有3⁵=243种不同的情况。Robby可以执行7种不同的动作:上下左右的移动(4种)、随机移动、捡拾垃圾或静止不动。
因此,Robby的控制策略可以编码为一个“DNA”字符串,由0到6之间的243位数字组成(对应于Robby在243种可能的情况下应该采取的行动)。
方法
任何GA的优化步骤如下:
- 生成问题初始随机解的“种群”
- 个体的“拟合度”是根据它解决问题的程度来评估的
- 最合适的解决方案进行“繁殖”并将“遗传”物质传递给下一代的后代
- 重复第2步和第3步,直到我们得到一组优化的解决方案
在我们的任务中,你创建了第一代Robbys初始化为随机DNA字符串(对应于随机控制策略)。然后模拟让这些机器人在随机分配的网格世界中运行,并观察它们的性能。
拟合度
机器人的拟合度取决于它在n次移动中捡到多少垃圾,以及它撞到墙上多少次。在我们的例子中,机器人每捡到一块垃圾就给它10分,每次它撞到墙上就减去5分。然后,这些机器人以它们的拟合度相关的概率进行“交配”(即,捡起大量垃圾的机器人更有可能繁衍后代),新一代机器人诞生了。
交配
有几种不同的方法可以实现“交配”。在Mitchell的版本中,她将父母的两条DNA链随机拼接,然后将它们连接在一起,为下一代创造一个孩子。在我的实现中,我从每一个亲本中随机分配每个基因(即,对于243个基因中的每一个,我掷硬币决定遗传谁的基因)。
例如使用我的方法,在前10个基因里,父母和孩子可能的基因如下:
<code>Parent 1:
1440623161
Parent 2:
2430661132
Child:
2440621161
/<code>
突变
我们用这个算法复制的另一个自然选择的概念是“变异”。虽然一个孩子的绝大多数基因都是从父母那里遗传下来的,但我也建立了基因突变的小可能性(即随机分配)。这种突变率使我们能够探索新的可能。
Python实现
第一步是导入所需的包并为此任务设置参数。我已经选择了这些参数作为起点,但是它们可以调整,我鼓励你可以尝试调整。
<code>""" 导入包 """
import
numpyas
npfrom
tqdm.notebookimport
tqdm""" 设置参数 """
pop_size =200
num_breeders =100
num_gen =400
iter_per_sim =100
moves_per_iter =200
rubbish_prob =0.5
grid_size =10
wall_penalty =-5
no_rub_penalty =-1
rubbish_score =10
mutation_rate =0.01
/<code>
接下来,我们为网格世界环境定义一个类。我们用标记“o”、“x”和“w”来表示每个单元,分别对应一个空单元、一个带有垃圾的单元和一个墙。
<code>class
Environment
:""
" 类,用于表示充满垃圾的网格环境。每个单元格可以表示为: 'o': 空 'x': 垃圾 'w': 墙 "
""
def
__init__
(
self
, p=rubbish_prob, g_size=grid_size):self
.p = pself
.g_size = g_sizeself
.grid = np.random.choice(['o'
,'x'
], size=(self
.g_size+2
,self
.g_size+2
), p=(1
-self
.p,self
.p))self
.grid[:
,[0
,self
.g_size+1
]] ='w'
self
.grid[[0
,self
.g_size+1
],:
] ='w'
def
show_grid
(
self
): print(self
.grid)def
remove_rubbish
(
self
,i,j):if
self
.grid[i,j] =='o'
:return
Falseelse:
self
.grid[i,j] ='o'
return
Truedef
get_pos_string
(
self
,i,j):return
self
.grid[i-1
,j] +self
.grid[i,j+1
] +self
.grid[i+1
,j] +self
.grid[i,j-1
] +self
.grid[i,j] /<code>
接下来,我们创建一个类来表示我们的机器人。这个类包括执行动作、计算拟合度和从一对父机器人生成新DNA的方法。
<code>class
Robot
:""
" 用于表示垃圾收集机器人 "
""
def
__init__
(
self
, p1_dna=None, p2_dna=None, m_rate=mutation_rate, w_pen=wall_penalty, nr_pen=no_rub_penalty, r_score=rubbish_score):self
.m_rate = m_rateself
.wall_penalty = w_penself
.no_rub_penalty = nr_penself
.rubbish_score = r_scoreself
.p1_dna = p1_dnaself
.p2_dna = p2_dna con = ['w'
,'o'
,'x'
]self
.situ_dict = dict() count =0
for
upin
con:
for
rightin
con:
for
downin
con:
for
leftin
con:
for
posin
con:
self
.situ_dict[up+right+down+left+pos] = count count +=1
self
.get_dna()def
get_dna
(
self
):if
self
.p1_dna isNone:
self
.dna =''
.join([str(x)for
xin
np.random.randint(7
,size=243
)])else:
self
.dna =self
.mix_dna()def
mix_dna
(
self
): mix_dna =''
.join([np.random.choice([self
.p1_dna,self
.p2_dna])[i]for
iin
range(243
)])for
iin
range(243
):if
np.random.rand() >1
-self
.m_rate:
mix_dna = mix_dna[:i
] + str(np.random.randint(7
)) + mix_dna[i+1
:
]return
mix_dnadef
simulate
(
self
, n_iterations, n_moves, debug=False): tot_score =0
for
itin
range(n_iterations):self
.score =0
self
.envir = Environment()self
.i,self
.j = np.random.randint(1
,self
.envir.g_size+1
, size=2
)if
debug:
print('before'
) print('start position:'
,self
.i,self
.j)self
.envir.show_grid()for
movein
range(n_moves):self
.act() tot_score +=self
.scoreif
debug:
print('after'
) print('end position:'
,self
.i,self
.j)self
.envir.show_grid() print('score:'
,self
.score)return
tot_score / n_iterationsdef
act
(
self
): post_str =self
.envir.get_pos_string(self
.i,self
.j) gene_idx =self
.situ_dict[post_str] act_key =self
.dna[gene_idx]if
act_key =='5'
: act_key = np.random.choice(['0'
,'1'
,'2'
,'3'
])if
act_key =='0'
:self
.mv_up() elif act_key =='1'
:self
.mv_right() elif act_key =='2'
:self
.mv_down() elif act_key =='3'
:self
.mv_left() elif act_key =='6'
:self
.pickup()def
mv_up
(
self
):if
self
.i ==1
:self
.score +=self
.wall_penaltyelse:
self
.i -=1
def
mv_right
(
self
):if
self
.j ==self
.envir.g_size:
self
.score +=self
.wall_penaltyelse:
self
.j +=1
def
mv_down
(
self
):if
self
.i ==self
.envir.g_size:
self
.score +=self
.wall_penaltyelse:
self
.i +=1
def
mv_left
(
self
):if
self
.j ==1
:self
.score +=self
.wall_penaltyelse:
self
.j -=1
def
pickup
(
self
): success =self
.envir.remove_rubbish(self
.i,self
.j)if
success:
self
.score +=self
.rubbish_scoreelse:
self
.score +=self
.no_rub_penalty /<code>
最后是运行遗传算法的时候了。在下面的代码中,我们生成一个初始的机器人种群,让自然选择来运行它的过程。我应该提到的是,当然有更快的方法来实现这个算法(例如利用并行化),但是为了本教程的目的,我牺牲了速度来实现清晰。
<code>pop
=[Robot() for x in range(pop_size)]
results
=[]
for
i in tqdm(range(num_gen)):
scores
=np.zeros(pop_size)
for
idx, rob in enumerate(pop):
score
=rob.simulate(iter_per_sim, moves_per_iter)
=score
# 保存每一代的平均值和最大值
best_robot
=pop[scores.argmax()] # 保存最好的机器人
inds
=np.argpartition(scores, -num_breeders)[-num_breeders:] # 基于拟合度得到顶级机器人的索引
subpop
=[]
for
idx in inds:
subpop.append(pop[idx])
scores
=scores[inds]
norm_scores
=(scores - scores.min()) ** 2
norm_scores
=norm_scores / norm_scores.sum()
new_pop
=[]
for
child in range(pop_size):
p2 = np.random.choice(subpop, p=norm_scores, size=2, replace=False)
p2.dna))
pop
=new_pop
/<code>
虽然最初大多数机器人不捡垃圾,总是撞到墙上,但几代人之后,我们开始看到一些简单的策略(例如“如果与垃圾在一起,就捡起来”和“如果挨着墙,就不要移到墙里”)。经过几百次的反复,我们只剩下一代不可思议的垃圾收集天才!
结果
下面的图表表明,我们能够在400代机器人种群中“进化”出一种成功的垃圾收集策略。
为了评估进化控制策略的质量,我手动创建了一个基准策略,其中包含一些直观合理的规则:
- 如果垃圾在当前方块,捡起来
- 如果在相邻的方块上可以看到垃圾,移到那个方块
- 如果靠近墙,则向相反方向移动
- 否则,随意移动
平均而言,这一基准策略达到了426.9的拟合度,但我们最终的“进化”机器人的平均拟合度为475.9。
战略分析
这种优化方法最酷的一点是,你可以找到反直觉的解决方案。机器人不仅能够学习人类可能设计的合理规则,而且还自发地想出了人类可能永远不会考虑的策略。一种先进的技术出现了,就是使用“标记物”来克服近视和记忆不足。
例如,如果一个机器人现在在一个有垃圾的方块上,并且可以看到东西方方块上的垃圾,那么一个天真的方法就是立即捡起当前方块上的垃圾,然后移动到那个有垃圾的方块。这种策略的问题是,一旦机器人移动(比如向西),他就无法记住东边还有1个垃圾。为了克服这个问题,我们观察了我们的进化机器人执行以下步骤:
- 向西移动(在当前方块留下垃圾作为标记)
- 捡起垃圾往东走(它可以看到垃圾作为标记)
- 把垃圾捡起来,搬到东边去
- 捡起最后一块垃圾
从这种优化中产生的另一个反直觉策略的例子如下所示。OpenAI使用强化学习(一种更复杂的优化方法)教代理玩捉迷藏。我们看到,这些代理一开始学习“人类”策略,但最终学会了新的解决方案。
结论
遗传算法以一种独特的方式将生物学和计算机科学结合在一起,虽然不一定是最快的算法,但在我看来,它们是最美丽的算法之一。
本文中介绍的所有代码都可以在我的Github上找到,还有一个演示
Notebook:https://github.com/andrewjkuo/robby-robot-genetic-algorithm。