c实验报告【DOC精选】.docVIP

《c#程序设计》 结课报告 ??? ? 姓 名： 华秀 班 号： 193113 学 号：20111004458 院 （系）： 计算机学院 专 业： 网络工程 指导教师： 李程俊 2015年5月 目 录 一. 题目 1 二. 遗传算法C代码 1 2.1遗传算法 1 2.2算法框架 1 2.3程序主框架 2 三. c#知识 4 3.1C#的值类型 4 3.2类（class） 4 3.3数组 6 3.4文件读取 6 3.5多线程 6 四. c#源代码 7 五. 运行结果 17 5.1输入 17 5.2输出 17 六.课后感 19 题目 将一个简单实用的遗传算法c代码改成c#程序你，并且使用多线程机制。 遗传算法C代码 2.1遗传算法 遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，它借鉴了 达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应的控制搜索过程以求得最优解。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。 该系统使用比率选择、精华模型、单点杂交和均匀变异如果用Gaussian变异替换均匀变异，可能得到更好的效果。代码没有任何图形，甚至也没有屏幕输出，主要是保证在平台之间的高可移植性。选择初始生命种群 （2）循环 评价种群中的个体适应度 以比例原则（分数高的挑中机率也较高）选择产生下一个种群（轮盘法、竞争法及等级轮盘法） 改变该种群（交叉和变异） （3）直到停止循环的条件满足 2.3程序主框架 #define POPSIZE 50 /* population size */ #define MAXGENS 1000 /* max. number of generations */ #define NVARS 3 /* no. of problem variables */ #define PXOVER 0.8 /* probability of crossover */ #define PMUTATION 0.15 /* probability of mutation */ #define TRUE 1 #define FALSE 0 int generation; /* current generation no. */ int cur_best; /* best individual */ FILE *galog; /* an output file */ struct genotype /* genotype (GT), a member of the population */ { double gene[NVARS]; /* a string of variables */ double fitness; /* GTs fitness */ double upper[NVARS]; /* GTs variables upper bound */ double lower[NVARS]; /* GTs variables lower bound */ double rfitness; /* relative fitness */ double cfitness; /* cumulative fitness */ }; struct genotype population[POPSIZE+1]; /* population */ struct gen