我试图解决的问题是电网中电动汽车的最佳分配。我的网格有20个可能的位置（母线），允许接收每个EV。每条染色体长度为20，其基因可以是0或1，其中0表示没有EV，1表示在该位置（母线）有EV。
我用随机分配的固定数量的电动汽车（例如5辆）开始我的人口（100个人）。让它们通过我的遗传算法进化。遗传算法利用锦标赛选择、2点交叉和翻转位变异。每个染色体/个体通过计算条间功率损失（RI^2之和）的适应度函数进行评估。最佳染色体是功率损耗最低的染色体。
问题在于，利用两点交叉和翻转位变异改变了必须在网格中的固定数量的电动汽车。我想知道我的GA操作的最佳技术是什么。除此之外，我还得到了这张奇怪的图片，显示了第1代中最适合的染色体
我将感谢任何帮助/建议。谢谢。
您希望以这样一种方式定义您的状态空间，即您选择的突变不能创建非法配置。
这可能不太适合遗传算法。如果你想从20个中挑5个，有~15k可能性。测试100个超过50代的人口已经给了你足够的计算来完成1/3的蛮力工作。
如果你的网格上有N个EV要分配，你可以使用大小为N的染色体，每个基因都是代表EV位置的整数。对于交叉，您首先需要将父母双方相同的值与其他值分开，并在不同的部分应用经典（1或2分）交叉，并随机选择有效的可用位置突变基因。
