遗传算法c++版本资源-CSDN文库

遗传算法

3星 · 超过75%的资源需积分: 9 46 浏览量 2007-09-01 18:20:15 上传评论收藏 188KB DOC 举报

资源推荐

资源详情

资源评论

（1）初始化参数

（2）随机产生初始种群

（3）评价种群中的每个个体的适应行函数值

（4）对种群中的个体进行选择

（5）从选择后的种群中随机选择个体 Xi ，Xj 进行交叉（要交叉的数量由交换因子控

制），通过交叉操作产生两个新个体 X/i ，X/j ，并计算他们的适应函数值 f（X/i）和

f（X/j），按接受概率 Pij（Tk）=min{1 ， }，判断接受或拒绝新解，若 min{1 ， }＞

radom 则接受新解。其中 radom∈[0，1]

（6）对交叉后的个体进行变异操作，并按（5）中的方法判断是否接受新解

（7）对新种群中适应函数值最好个体记录

（8）若满足收敛条件进化过程结束，否则 Tk+1=βTk ，转（3）

（9）进化过程结束，对记录的最好个体进行适应函数值比较，输出最好的做为结果。

参数发射机数量 N=30 可用频点数 20 个（[1，20]）

种群数 X=50 交叉概率 Pc=0.6 突变概率 Pm=0.01

T0=3000 β=0.95

遗传代数为 M=300

一个 N×N 矩阵，支持手动输入

初始种群的产生：

种群中的每个个体（染色体）采用序列编码的方式。每个染色体的长度与发射机的数量一

致，为包含 N 个基因的一维数组，染色体中的每个基因是一个整数，分别对应着一个被分

配的频率编号∈[1，N]

T1 T2 TN

a1 a2 aN

从可用频率集中为发射机分配一个频率，并检测这个频率是否适合，如果适合就分配给发

射机，然后为下一个发射机随机选一个频率，不合适就重新选取，频率是否合适的标准是

被分配的频率没被前一次分配时使用，当所有的发射机都被分配一个频率后，一个染色体

完成。

按需求数量逐个完成所有染色体构建。

适应函数：

f（xi）=

其中：kij=

Cij 为 N×N 约束矩阵

选择

体的覆盖面，体现全局搜索的思想；

　　(6) t:=t+1；如果不满足终止条件继续(3)。

　　GA 中最常用的算子有如下几种：

　　(1) 选择算子(selection/reproduction): 选择算子从群体中按某一概率成对选择个体，某个

体 xi 被选择的概率 Pi 与其适应度值成正比。

　　(2) 交叉算子(Crossover): 交叉算子将被选中的两个个体的基因链按概率 pc 进行交叉，

生成两个新的个体，交叉位置是随机的。其中 Pc 是一个系统参数。

　　(3) 变异算子(Mutation): 变异算子将新个体的基因链的各位按概率 pm 进行变异，

　　　　GA 的程序设计应考虑到通用性，而且要有较强的适应新的算子的能力。OOP 中

的类的继承为我们提供了这一可能。

　　定义两个基本结构：基因(ALLELE)和个体(INDIVIDUAL)，以个体的集合作为群体类

TPopulation 的数据成员，而 TSGA 类则由群体派生出来，定义 GA 的基本操作。对任一个

应用实例，可以在 TSGA 类上派生，并定义新的操作。

　　TPopulation 类包含两个重要过程：

　　FillFitness: 评价函数，对每个个体进行解码(decode)并计算出其适应度值，具体操作在

用户类中实现。

Statistic: 对当前群体进行统计，如求总适应度 sumfitness、平均适应度 average、最好个体

fmax、最坏个体 fmin 等。

TSGA 类在 TPopulation 类的基础上派生，以 GA 的系统参数为构造函数的参数，它有 4 个

重要的成员函数：

　　Select: 选择算子，

　　Crossover: 交叉算子，以概率 Pc 在两基因链上的随机位置交换子串。

　　Mutation: 变异算子，以概率 Pm 对基因链上每一个基因进行随机干扰(取反)。

　　Generate: 产生下代，包括了评价、统计、选择、交叉、变异等全部过程，每运行一次，

产生新的一代。

　　SGA 的结构及类定义如下(用 C++编写)：

[code]　　typedef char ALLELE;　 // 基因类型

　　typedef struct{

　　ALLELE *chrom;

　　float fitness;　　　　// fitness of Chromosome

　　}INDIVIDUAL;　　　　　// 个体定义

　　class TPopulation{　　 // 群体类定义

　　public:

　　int size; 　　// Size of population: n

　　int lchrom;　　 // Length of chromosome: l

　　float sumfitness, average;

　　INDIVIDUAL *fmin, *fmax;

　　INDIVIDUAL *pop;

　　TPopulation(int popsize, int strlength);

　　~TPopulation();

　　inline INDIVIDUAL &Individual(int i){ return pop[i];};

剩余31页未读，继续阅读

评论收藏

内容反馈

nd002

2011-10-28

函数都没写全，都没用上，请新手注意。。。

wwf5067

粉丝: 2
资源: 2

遗传算法c++版本

最新资源