本文作者：阳羡
背景
本篇是人工智能系列文章的第三篇，前两篇是 [人工神经网络算法入门] 和 [蚁群算法的简要分析]
没看过前两篇的同学也不用紧张，本篇比较简单且和之前没有太大联系。
本文所运用的代码位于 github.com/wu-yu-xuan/…
欢迎感兴趣的同学阅览源码来学习。
Wordle
简介
Wordle 是一种猜字游戏，关于某个方位的字来说，假如彻底正确则展现绿色，假如单词中有这个字可是方位不正确则展现橙色，假如过错则展现红色或者灰色
比如关于这个比如来说，玩家先猜“ARISE”，结果是两个过错，三个方位过错。依据这个信息玩家持续猜“ROUTE”，显示第一个字现已彻底猜中了，剩余两个过错和两个方位过错。以此类推，最后猜中答案“REBUS”。
更多详情能够参考维基百科：zh.wikipedia.org/wiki/Wordle
完成
接下来咱们完成一个简单的 wordle
其间，answer 指问题的答案，value 指当时正在猜想的值，在初始化的时分悉数随机即可，这个 value 便是遗传算法中的基因。
然后依据这两个变量来更新得分和是否猜中的数组。 在这里，得分 = 100 * 猜中的个数 + 1 * 方位过错的个数。 是否猜中的数组的长度等于 value 的长度，每一项有三种或许的取值：正确、方位过错、过错。 得分和猜中数组会在遗传算法中用到。
遗传算法
遗传算法 Genetic Algorithm 是灵感来自于达尔文进化论的算法。
比如说出名的长颈鹿的比如，因为脖子短吃不到高处树叶的长颈鹿更简单被天然筛选，因为脖子长更简单吃到高处树叶的长颈鹿更简单留下后代，同时也会存在必定的基因突变概率来随机改变包含脖子长短在内的其他性状。
和生物学上的遗传相同，遗传算法的基本单位也是“种群”，“种群”由一个个“个别”组成，在这里，每个个别便是上文提到的 wordle 个别。
和天然相同，遗传算法分为四步：筛选、选种、杂交、变异，经过不断重复这四步，劣质的基因就会筛选，优异的基因就会保留，从而能够解决咱们的问题。
下文仅仅举一个比如，事实上这四步具体需求怎么做都能够进行调整。
筛选
把这些个别依照得分排序，筛选掉大约一半分数最低的个别。筛选的方式是把 killed 字段设为 true。
我这里示例挑选的是筛选一半，这个参数是能够灵活调整的。
选种
和筛选步骤类似，把个别依照得分排序，选出得分最高的若干个个别。
到底是多少个呢？也是能够视情况灵活调整。
在这里，我先挑选最高分的个别，假如最高分的个别不足两个，再挑选次最高分的个别。
选中的个别会把 chosen 字段设为 true，以备后用。
杂交
把选中的个别挑出来，组合它们的优质基因，代替被筛选的个别.
具体来说，关于每个优质基因：
•假如现已猜对了，则挑选现已猜对的字。
•把方位过错的爸爸妈妈挑选出来，假如有方位过错的爸爸妈妈，则在其间随机一个
•不然在一切爸爸妈妈的该位基因中进行随机挑选
在对个别进行从头设置的时分，需求重置killed、chosen以及分数等参数
变异
变异和杂交有点类似，可是是针对一切个别，而非被筛选的个别。
关于个别中的每个基因来说：
•假如答对了，则不做变异
•假如方位过错，则随机更改方位
•假如过错，则随机生成一个字母
字节跳动数据渠道前端团队，在公司内担任大数据相关产品的研发。咱们在前端技术上保持着十分强的热心，除了数据产品相关的研发外，在数据可视化、海量数据处理优化、web excel、WebIDE、私有化布置、工程东西都方面都有许多的探究和积累，有兴趣能够与咱们联系。
