考虑一组带有彩色小平面的n个立方体（每个立方体具有4种可能的颜色 - 红色，蓝色，绿色和黄色）。形成最高可能的k立方塔（k≤n）正确旋转（立方体的12个位置），因此塔的侧面将具有相同的颜色，使用和进化算法。
到目前为止我做了什么：
我认为下面的表示是合适的：一个个体可以是一个n个整数的数组，每个数字的值在1到12之间，表示立方体的当前位置（输入文件包含n行，每行显示有关的信息）立方体每个面的颜色）。
然后，人口由多个人组成。
Crossover方法应该创建一个新的子项（Individual），其中包含来自其父项的信息（大约每个父项的一半）。
现在，我最大的问题与Mutate和Fitness方法有关。在Mutate方法中，如果突变的概率（比如0.01），我应该改变随机立方体与其他随机位置的位置（例如，第三个立方体的位置（旋转）可以从5变为12）。在Fitness方法中，我认为我可以两个一个地比较一个人的立方体，看看他们是否有共同的面孔。如果它们具有共同的面，则“计数”变量将随着公共面的数量递增，并且如果这两个立方体的所有4个侧面都相同，则计数将随着另一个点数而增加。比较所有相邻的多维数据集后，将返回count变量。我们的目标是获得尽可能多的具有相同侧面的相邻立方体，即最大化健身方法。
我的问题如下：如何实施轮换？我的意思是，如果立方体的位置（旋转）从3变为10，我们如何知道面部的新排列？或者，如果我在立方体上执行变异，如果选择随机旋转数，旋转此立方体的过程是什么？
我认为我应该为每个立方体创建一个包含6个元素的矢量（每个面的颜色），但是当修改立方体的旋转值时，我不知道它的面部矢量的元素应该以什么方式存在。重新排列。改组它们是不正确的，因为通过这样做，两个相对的面可能变得相邻，这意味着矢量不再代表那个特定的立方体（显然，两个相对的面不能相邻）。
首先，我不确定你是如何获得12次旋转的;我得到24：4的方向，底部的6个面中的每一个。使用标准D6（6面模具），看看你得到了多少种不同的布局。
显然，你需要构建的第一件事是（一个类？），它可以在任何可用的方向上准确地表示一个多维数据集。我建议您使用一个简单的结构，它可以按顺序返回四个面 - 例如，前 - 右 - 后 - 给定一个立方体和旋转数。
我认为你可以有效地将立方体表示为三对相对的边。一旦你代表了这种反对意见，剩下的组织就是任意编号：任何有效的选择都与其他任何选择同构。每次旋转将产生两个相对的对的交错序列。例如，标准D6具有相对的对[（1,6），（2,5），（3,4）]。前8个旋转将1和6放在隐藏面（顶部和底部）上，在其4个旋转中的每个旋转及其反转中给出序列2354。
那个类是你问题的一个大子系统;另一方面，遗传算法，你似乎掌握得很好。随机堆叠所有立方体; “适应度”是堆叠中最流行的4节目（4面的序列）的计数。一开始，这通常是1，因为什么都不匹配。
从那里，你似乎对变异有适当的处理。您可能更有可能改变不匹配的立方体，或者看看某个立方体是否是半匹配：两个相对的面匹配“最佳拟合”4个展示，因此您只需沿着该轴旋转它，保留那些两个面，并交换另一对为顶部 - 底部对（注意：两个方向来做到这一点）。
那会让你感动吗？