C#實現遺傳算法框架：種群與個體類設計解析

遺傳算法核心流程

遺傳算法模擬生物進化進行優化搜索，主循環包含：初始種群 → 適應度計算 → 選擇 → 交叉 → 變異 → 迭代直到最優解。本實現採用接口分離策略，核心類包括Population（種群）與Individual（個體）。

種群類 Population

繼承CollectionBase，實現ICloneable/IDisposable，主要職責：

• 初始化：Init(int max)生成指定數量隨機基因個體（22位二進制串）。
• 統計屬性：MaxFitness、AverageFitness、SumFitness即時反映種群優劣。
• 策略委託：持有IGeneticStrategy接口，動態注入選擇/交叉/變異具體實現。
• 操作方法：Select()/Crossover()/Mutation()轉調策略對象。

個體類 Individual

• 基因編碼：Gene屬性（二進制字符串），設置時自動計算適應度（_calFit.Fitness(Variable)）。
• 表型解碼：Variable屬性通過Coder.ToReal(Gene, -1.0, 2.0)映射為[-1,2]實數域。
• 交叉運算符：重載operator *實現單點交叉，隨機選擇片段互換，確保片段不同。
• 變異操作：Mutation()隨機翻轉一位基因（0↔1）。

關鍵代碼片段

// 交叉核心邏輯
public static int operator *(Individual ind1, Individual ind2) {
    Random rd = new Random();
    int iStart = rd.Next(0, ind1.Gene.Length-2);
    int iLast = rd.Next(iStart+1, ind1.Gene.Length-1);
    while (ind1.Gene.Substring(iStart, iLast-iStart) == ind2.Gene.Substring(iStart, iLast-iStart)) {
        iStart = rd.Next(0, ind1.Gene.Length-2);
        iLast = rd.Next(iStart+1, ind1.Gene.Length-1);
    }
    // 片段互換生成新基因...
    return iLast - iStart;
}

// 變異
public int Mutation() {
    int iPos = new Random().Next(0, Gene.Length-1);
    var sb = new StringBuilder(Gene);
    sb[iPos] = sb[iPos] == '0' ? '1' : '0';
    Gene = sb.ToString();
    return iPos;
}

框架採用策略模式解耦演化邏輯，支持自定義適應度函數（IFitness）與選擇/交叉/變異策略，具備良好擴展性。