一 需求分析 1.本程序演示的是用简单遗传算法随机一个种群,然后根据所给的交叉率,变异率,世代 数计算最大适应度所在的代数 2.演示程序以用户和计算机的对话方式执行,即在计算机终端上显示“提示信息”之后, 由用户在键盘上输入演示程序中规定的命令;相应的输入数据和运算结果显示在其后。 3.测试数据 输入初始变量后用 y=100*(x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)其中-2.048<=x1,x2<=2.048 作 适应度函数求最大适应度即为函数的最大值 二 概要设计 1.程序流程图
开始 Gen=0 编码 随机产生M个初始个体 满足终止条件?
Y
输出结果 终止
N
计算群体中各个体适应度 从左至右依次执行遗传算子
pm
j=0 选择个体变异点 执行变异 变异后添入新群体中
pc
j=0 根据适应度选择复制个体 执行复制 复制的个体添入新 群体中 j = j+1 j = j+2 j = j+1 j=0 选择两个交叉个体 执行交叉 交叉后添入新群体中
N Y
N Y
Gen=Gen+1
N Y
2.类型定义 int popsize;
//种群大小
int maxgeneration; //最大世代数 double pc; //交叉率 double pm; //变异率 struct individual
{ char chrom[chromlength+1]; double value; double fitness; //适应度 }; int generation; //世代数 int best_index; int worst_index; struct individual bestindividual; //最佳个体 struct individual worstindividual; //最差个体 struct individual currentbest; struct individual population[POPSIZE]; 3.函数声明 void generateinitialpopulation(); void generatenextpopulation(); void evaluatepopulation(); long decodechromosome(char *,int,int); void calculateobjectvalue(); void calculatefitnessvalue(); void findbestandworstindividual(); void performevolution(); void selectoperator(); void crossoveroperator(); void mutationoperator(); void input(); void outputtextreport(); 4.程序的各函数的简单算法说明如下: (1) .void generateinitialpopulation ()和 void input ()初始化种群和遗传算法参数。 input() 函数输入种群大小,染色体长度,最大世代数,交叉率,变异率等参数。 (2) void calculateobjectvalue();计算适应度函数值 。 根据给定的变量用适应度函数计算然后返回适度值。 (3)选择函数 selectoperator() 在函数 selectoperator()中首先用 rand ()函数产生 0~1 间的选择算子, 当适度累计值不为零时, 比较各个体所占总的适应度百分比的累计和与选择算子, 直到达到选择算子的值那个个体就 被选出,即适应度为 fi 的个体以 fi/∑fk 的概率继续存在; 显然,个体适应度愈高,被选中的概率愈大。但是,适应度小的个体也有可 能被选中,以便增加下一代群体的多样性。 (4)染色体交叉函数 crossoveroperator() 这是遗传算法中的最重要的函数之一, 它是对个体两个变量所合成的染色体进行交叉, 而不 是变量染色
体的交叉,这要搞清楚。首先用 rand ()函数产生随机概率,若小于交叉概率,则 进行染色体交叉,同时交叉次数加 1。这时又要用 rand()函数随机产生一位交叉位,把染色
体的交叉位的后面部分交叉即可;若大于交叉概率,则进行简单的染色体复制即可。 (5)染色体变异函数 mutation() 变异是针对染色体字符变异的,而不是对个体而言,即个体变异的概率是一样。随机产生比 较概率,若小于变异概率,则 1 变为 0,0 变为 1,同时变异次数加 1。 (6)long decodechromosome(char *,int,int) 本函数是染色体解码函数, 它将以数组形式存储的二进制数转成十进制数, 然后才能用适应 度函数计算。 (7)void findbestandworstindividual()本函数是求最大适应度个体的,每一代的所有个体都 要和初始的最佳比较,如果大于就赋给最佳。 (8)void outputtextreport () 输出种群统计结果 输出每一代的种群的最大适应度和平均适应度,最后输出全局最大值 三 运行环境 本程序的开发工具是 VC++,在 VC++下运行。 四 源代码 #include
#include #include #include #define POPSIZE 500 #define maximization 1 #define minimization 2 #define cmax 100 #define cmin 0 #define length1 10 #define length2 10 #define chromlength length1+length2 //染色体长度 int functionmode=maximization; int popsize; //种群大小 int maxgeneration; //最大世代数 double pc; //交叉率 double pm; //变异率 struct individual { char chrom[chromlength+1]; double value; double fitness; //适应度 }; int generation; //世代数 int best_index; int worst_index; struct individual bestindividual; //最佳个体 struct individual worstindividual; //最差个体 struct individual currentbest;
struct individual population[POPSIZE]; //函数声明 void generateinitialpopulation(); void generatenextpopulation(); void evaluatepopulation(); long decodechromosome(char *,int,int); void calculateobjectvalue(); void calculatefitnessvalue(); void findbestandworstindividual(); void performevolution(); void selectoperator(); void crossoveroperator(); void mutationoperator(); void input(); void outputtextreport(); void generateinitialpopulation( ) //种群初始化 { int i,j;
for (i=0;i { int i; long decimal=0; char*pointer; for(i=0,pointer=string+point;i ulateobjectvalue() { int i; long temp1,temp2; double x1,x2;
//计算函数值
for (i=0; i0.0) {temp=cmin+population[i].value;} else {temp=0.0; } } else if (functionmode==minimization) { if(population[i].value else{ temp=0.0;} } population[i].fitness=temp; } } void findbestandworstindividual( ) //求最佳个体和最差个体 { int i; double sum=0.0; bestindividual=population[0]; worstindividual=population[0]; for (i=1;ibestindividual.fitness){ bestindividual=population[i]; best_index=i; } else if (population[i].fitness=currentbest.fitness){ currentbest=bestindividual; } } } void performevolution() //演示评价结果 { if (bestindividual.fitness>currentbest.fitness){ currentbest=population[best_index]; } else{ population[worst_index]=currentbest; } }
void selectoperator() //比例选择算法 { int i,index; double p,sum=0.0; double cfitness[POPSIZE]; struct individual newpopulation[POPSIZE]; for(
上一篇:遇到VC中没有错误却无法运行解决方法_vc代码
下一篇:2016本科PHP论文