遗传算法的C语言程序

遗传算法的C语言程序遗传算法的C语言程序一需求分析 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...

遗传算法的C语言程序一需求分析 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 Y 输出结果满足终止条件? N 终止计算群体中各个体适应度 pm从左至右依次执行遗传算子 p c j = 0 j = 0 j = 0 选择个体变异点根据适应度选择复制个体选择两个交叉个体执行变异执行复制执行交叉复制的个体添入新交叉后添入新群体中变异后添入新群体中群体中 j = j+1 j = j+2 j = j+1 N N N Y Y Y Gen=Gen+1 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 评价个体，求最佳个体 { calculateobjectvalue(); calculatefitnessvalue(); findbestandworstindividual(); } long decodechromosome(char *string ,int point,int length) //给染色体解码 { int i; long decimal=0; char*pointer; for(i=0,pointer=string+point;i 表示两个决策变量Umax(2π) Umin(0)。10位二进制编码串可以表示为0到1023之间的1024个不同的数，故将Umax Umin的定义域离散为1023个均等的区域，包括两个端点在内共有1024个不同的离散点。 x2=4.096*temp2/1023.0-2.048; population[i].value=100*(x1*x1-x2)* (x1*x1-x2)+(1-x1)*(1-x1); } } void calculatefitnessvalue()//计算适应度 { int i; double temp; for(i=0;i0.0) {temp=cmin+population[i].value;} else {temp=0.0; } } else if (functionmode==minimization) { if(population[i].valuebestindividual.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(i=0;icfitness[index]) { index++; } newpopulation[i]=population[index]; } for(i=0;i

                    本文档为【遗传算法的C语言程序】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：免费已有0 人下载

立即下载

遗传算法的C语言程序

你可能还喜欢