书名：代码本色：用编程模拟自然系统
作者：Daniel Shiffman
译者：周晗彬
ISBN：978-7-115-36947-5
第9章目录

9.7　创建种群的代码3

第3步：繁殖

• 交配池已经准备好了，下面我们要开始新个体的繁殖。
  首先要选择双亲，我们可以用随机的方式选择它们，这符合生物繁殖的特征，传统GA也是采用这种方式。
  但对我们而言，选择父本并没有任何限制：可以用“无性”繁殖的方式实现，也可以选择3个或4个父本合成子代DNA。
  在代码演示中，我想用两个父本，并分别称为parentA和parentB。

• 首先，我们要生成两个随机数作为交配池的下标，这是一个介于0至ArrayList长度之间的随机数。

int a = int(random(matingPool.size()));
int b = int(random(matingPool.size()));

• 接下来，我们从交配池中取出这两个下标对应的DNA对象。

DNA parentA = matingPool.get(a);
DNA parentB = matingPool.get(b);

• 交配池中的同一个对象可能会有多个实例（我们也肯重复选中某个随机数），因此parentA和parentB可能是同一个DNA对象。如果要严谨地对待这个问题，我们可以加入一些检查代码，确保不选中同一个对象；但是这么做并不会带来很大的效益
• 得到双亲后，下面我们就开始执行交叉和突变过程。

DNA child = parentA.crossover(parentB); 交叉函数 A
child.mutate(); 突变函数

• 当然，crossover()函数和mutate()函数需要我们自己来实现。从上面的调用方式可以看出，crossover()函数的参数是DNA对象，它的返回值是一个新的DNA对象，也就是子代个体。

DNA crossover(DNA partner) { 函数的参数是DNA对象，返回值也是DNA对象
DNA child = new DNA(); 子代是新的DNA对象，DNA在构造函数中是用随机方式初始化的，但我们会
int midpoint = int(random(genes.length)); 在基因数组中选择随机的“中间点
for(int i = 0; i < genes.length; i++) {
    if (i > midpoint) child.genes[i] = genes[i]; 中间点之前和之后的基因来自不同的父
        else child.genes[i] = partner.genes[i];
    }
    return child; 返回子代DNA
}

• 上述crossover()函数的实现使用了“随机中间点”方法，子代基因的第一部分取自parentA，第二部分取自parentB。
• mutate()函数比crossover()函数更容易实现。我们只需要遍历基因数组，根据突变率为每个字符随机选择一个新字符。举个例子，如果突变率为1%，我们将有1%的概率选择一个新字符。

float mutationRate = 0.01;
void mutate() {
    for (int i = 0; i < genes.length; i++) { 遍历数组中的每个基因
    if(random(1) < mutationRate) {这里的代码有1%的机会执行
        genes[i] = (char) random(32,128); 突变，产生随机字符
        }
    }
}