GA.rar_visual c_遗传算法源代码

//copyright by zhangpeng ,May 5,2007 #include <stdlib.h> #include <time.h> #include <fstream.h> #include <math.h> //------------------------------------------- //产生（0，1）均匀分布的随机数 double randnum() { double x; x = (double) rand()/RAND_MAX; return x; } //------------------------------------------- //品质函数 inline double quanlityfun(double x) { double y; y=-(2*pow(x,2)-x-1); // y=-pow((x-1),2)+4; // y=fabs(sin(3.1415926*(x-3))/3.1415926/(x-3)); return y; } //------------------------------------------- //遗传算法 double GA(double x1,double x2) { const int M=40;//群体大小，指群体包含的个体数目，一般取(20-100) const int N=11;//染色体的码元数 const int Generation=200;//遗传算法的终止迭代代数，一般取(100-500) double probability_cross=0.7;//交叉概率，一般取(0.4-0.99) double probability_mutation=0.1;//变异概率，一般取(0.0001,0.1) double precision=(x2-x1)/(pow(2,N)-1);//二进制编码的精度 //---------------------------------------------------------------- //采用随机算法，初始化种群 bool pop[M][N];//定义种群变量 bool best_individual[N];//保存一代中的最优个体 for(int i=0;i<M;i++) { for(int j=0;j<N;j++) { if(randnum()>0.5) pop[i][j]=1; else pop[i][j]=0; } } //遗传算法的核心迭代 for(int iter=0;iter<Generation;iter++) { //------------------------------------------------------------ //选择。计算群体中每一个体的适应度 double adapt[M];//定义群体的适应度变量 for(int i=0;i<M;i++)//适应度变量赋初值0 adapt[i]=0; for(i=0;i<M;i++)//个体值的解码(二进制码变为十进制码) { for(int j=0;j<N;j++) { if(pop[i][j]==1) adapt[i]=adapt[i]+pow(2,(N-1-j)); } adapt[i]=adapt[i]*precision+x1;//二进制编码所对应的实际的品质函数变量值 adapt[i]=quanlityfun(adapt[i]);//计算群体的品质函数 } //精英操作，保留品质最好的一个个体，不选择不异化，直接进入下一轮遗传 double adapt_best=0;//记录最好的个体 int best_pos=0;//记录最好个体的位置 for(i=0;i<M;i++) { if(adapt_best<adapt[i]) {adapt_best=adapt[i];best_pos=i;} } //保存最优个体 for(i=0;i<N;i++) best_individual[i]=pop[best_pos][i]; //采用轮盘赌方式选择个体 double ada_sum=0;//记录总的适应值(品质因数) double ada_temp[M];//记录累加的适应值(品质因数) for(i=0;i<M;i++)//适应值计算 { ada_sum=ada_sum+adapt[i]; ada_temp[i]=ada_sum; } bool temp_pop[M][N];//临时记录选出的个体 for(i=0;i<M-1;i++)//M-1代表只选择前M个，最后一个留给最优个体 { double rand_temp=randnum()*ada_sum; for(int j=0;j<M&&ada_temp[j]<rand_temp;j++);//轮盘赌算法 //选出对应的j for(int k=0;k<N;k++) temp_pop[i][k]=pop[j][k]; } for(int k=0;k<N;k++)//最优个体不经选择直接进入下一轮遗传 temp_pop[M-1][k]=best_individual[k]; for(i=0;i<M;i++)//选择后组成的群体赋给初始群体 for(int j=0;j<N;j++) pop[i][j]=temp_pop[i][j]; //---------------------------------------------------------- //个体基因交换 for(i=0;i<M;i=i+2) { int cross_pos=-1; if(randnum()<probability_cross)//以概率的形式交换基因 { cross_pos=int(N*randnum());//随机产生交换位置 } if(cross_pos>0&&cross_pos<N)//两组交换位置之后的基因对换 { for(int j=cross_pos;j<N;j++) { bool temp=pop[i][j]; pop[i][j]=pop[i+1][j]; pop[i+1][j]=temp; } } } //----------------------------------------------------------- //个体基因变异 for(i=0;i<M;i++) { if(randnum()<probability_mutation)//满足一定概率时基因变异(0变为1，1变为0) { int mutation_pos=int(N*randnum()); pop[i][mutation_pos]==1 ? pop[i][mutation_pos]=0:pop[i][mutation_pos]=1; } } } //计算最优解的变量x值,并返回 double best_solution=0; for(i=0;i<N;i++) { if(best_individual[i]==1) { best_solution=best_solution+pow(2,(N-1-i)); } } best_solution=best_solution*precision+x1; return best_solution; } int main() { double x1, x2, x;//变量范围和返回的最优值 srand( (unsigned)time( NULL ) );//初始化时间种子 ofstream outf("result.txt"); cout<<"请输入变量区间"<<endl; cin>>x1>>x2; for(int i=0;i<100;i++) { x=GA(x1,x2); double y=quanlityfun(x); cout<<"("<<x<<" "<<y<<")"<<endl; outf<<x<<" "<<y<<endl; } outf<<flush;outf.close();//关闭文件 return 1; }