遗传算法求函数极值解析.docx

智能优化算法第一次作业 --------------遗传算法洪文杰 S151000853问题：用遗传算法求解f(x)=xsin(10π*x)+2.0的最大值，x取[-1,2].一、分析：遗传算法基本思路二、实例简介1. 产生初始种群s1= 13 (01101)s2= 24 (11000)?s3= 8 ? (01000)s4= 19 (10011)2. 计算适应度假定适应度为f(s)=s^2 ，则f (s1) = f(13) = 13^2 = 169f (s2) = f(24) = 24^2 = 576f (s3) = f(8) = 8^2 = 64f (s4) = f(19) = 19^2 = 3613.?选择染色体的选择概率为：染色体的累计概率为：根据上面的式子，可得到：例如设从区间［0, 1］中产生4个随机数:?? ?r1 = 0.450126, ? ?r2 = 0.110347?? ?r3 = 0.572496, ? ?r4 = 0.98503?4. 交叉基本遗传算法（SGA）中交叉算子采用单点交叉算子。单点交叉运算5.?变异6.?至下一代，适应度计算→选择→交叉→变异，直至满足终止条件三、解决问题四、实验结果源代码：/*问题：用遗传算法求解f(x)=xsin(10π*x)+2.0的最大值，x取[-1,2].*//*洪文杰 2016-3-9. 智能优化算法第一次作业*/#includeiostream//#includstdio.h#includestdlib.h#includemath.h#includetime.h#includefloat.husing namespace std;#define NUMBER 50//种群规模#define GENE_NUMBER 10000//迭代次数int Unit[NUMBER][30];//初始种群intUnit_choose[NUMBER][30];//选择、交叉、变异后的种群int Number[NUMBER];//被选择的个体编号float Fitness[NUMBER];//适应度float select_probability[NUMBER];//选择概率float accumula_probability[NUMBER] ;//积累概率float f_max=0.0;//最大值float f_x=0.0;//最大值对应的自变量inthwj_coding(intstart,int end);//编码void hwj_initial_population(int num);//产生初始种群void hwj_fitness(int num);//适应度计算void hwj_choose();//选择个体inthwj_binary_search(int l, intr,float temp);//查找选择//void hwj_N_M(int a[],int b[],int N, int M);//从M个数中选N个不一样的数void hwj_cross(intnum,float cross);//交叉后的得到种群void hwj_aberrance(intnum,float aberrance);//变异后的得到的种群void hwj_max(int num);//找到最适应的个体int main(){intstrat,end;//区间int Num;//编码大小float cross=0.8;//交叉概率float aberrance = 0.04;//变异概率int key=1;cout请输入求解区间:endl;cinstratend;Num=hwj_coding(strat,end);coutNum:Numendl;//cout--------------------------1-----------------endl;hwj_initial_population(Num);//cout--------------------------2初始种群-----------------endl;/*for(inti=0;iNUMBER;i++){for(int j=0;jNum;j++){coutUnit[i][j] ;}coutendl;}*/while(key!=GENE_NUMBER){hwj_fitness(Num);//cout--------------------------3适应度-----------------endl;//for(inti=0;iNUMBER;i++){//coutFitness[i]endl;//}hwj_choose();//cout-------------------------