1、评分系统

为了展示这种技术，我们打算创建一个由表情构成的种群。每个表情都有一系列属性：头的大小、头的颜色、眼睛的位置、眼睛的大小、嘴的颜色、嘴的位置、嘴的宽度以及嘴的高度。
表情的DNA（基因型）是介于0~1的浮点数组。表情的每个属性都对应着数组的某个元素。

class DNA {
    float[] genes;
    int len = 20; 为了画出这张脸，我们需要20个基因
    DNA() {
        genes = new float[len];
        for (int i = 0; i < genes.length; i++) {
                genes[i] = random(0,1); 每个基因都是介于0~1的随机浮点数
        }
    }
}

表现型是Face类，其中包含一个DNA实例。

class Face {
    DNA dna;
    float fitness;

接下来要在屏幕上绘制表情，我们可以用Processing的map()函数将基因信息转化为合适的像素值或颜色值。（在本例中，我们还会用colorMode()函数将RGB范围设置为0~1。）

void display() {
    float r = map(dna.genes[0],0,1,0,70); 用map()函数将基因转化为绘制参数
    color c = color(dna.genes[1],dna.genes[2],dna.genes[3]);
    float eye_y = map(dna.genes[4],0,1,0,5);
    float eye_x = map(dna.genes[5],0,1,0,10);
    float eye_size = map(dna.genes[5],0,1,0,10);
    color eyecolor = color(dna.genes[4],dna.genes[5],dna.genes[6]);
    color mouthColor = color(dna.genes[7],dna.genes[8],dna.genes[9]);
    float mouth_y = map(dna.genes[5],0,1,0,25);
    float mouth_x = map(dna.genes[5],0,1,-25,25);
    float mouthw = map(dna.genes[5],0,1,0,50);
    float mouthh = map(dna.genes[5],0,1,0,10);
}

到目前为止，我们一直在做前面已经做过的事。
但这里会有一点不同：我们不打算实现fitness()函数，也不打算用某个数学公式计算表情的适应度；
相反，我们打算让用户自己确定适应度函数。
如何用最佳方式让用户确定适应度是交互设计方面的问题，这不在本书的讨论范围。
因此我们不会讨论如何写一个滑动条控件，也不会讨论如何实现一个用于打分的硬件，或创建一个Web应用专门让用户提交在线分数。用什么样的方式获得适应度分值应该由你自己决定，同时也取决于应用的具体类型。
为了实现简单的演示功能，我们打算用以下方式获取适应度分值：当鼠标在某个表情上停留越久，它的适应度就越高。当用户点击“evolve next generation”按钮时，我们就为他创建下一代表情。
让我们来看看遗传算法的各个步骤如何应用在主标签程序中。我们要注意：适应度由鼠标操作决定，下一代的创建由按钮触发。

2、示例代码9-4　交互式选择

Population population;
Button button;
void setup() {
        size(780,200);
        float mutationRate = 0.05;
        population = new Population(mutationRate,10);
        button = new Button(15,150,160,20, "evolve new generation");
}

void draw() {
    population.display();
    population.rollover(mouseX,mouseY); 将鼠标位置传入population对象的rollover()函数，以
    button.display();
}
void mousePressed() {
    if (button.clicked(mouseX,mouseY)) { 一旦按钮被按下，就通过选择和繁殖创建下一代
        population.selection();
        population.reproduction();
  }
}

注意：本例只是交互式选择的演示程序，并不能实现具有实际意义的结果。
首先，我们没有花心思设计表情的外形，这些表情只是由简单图形和颜色构成的。
还有个关键问题，那就是时间。在自然界，进化的过程要花费数百万年。在电脑模拟的世界里，我们用某种特定的算法创建新一代，整个进化过程进行地很快。
由于适应度值是根据数学公式计算出来的，我们还可以引入更大的样本，加快进化速度。然而，在交互式选择中，我们必须等待用户对种群的每个个体进行评分，评分完成后才能产生下一代。如果种群太大，用户会觉得很无聊，而且用户也没有耐心经历太多子代!
成功构建交互式选择系统的关键在于遗传算法。遗传算法的几个关
键点：什么是基因型和表现型；如何计算适应度。在交互式选择中，第二个问题应该改为：如何在用户的交互过程中获取适应度？