遗传算法求函数极值.docVIP

标准文档 实用文案 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 = 169 f (s2) = f(24) = 24^2 = 576 f (s3) = f(8) = 8^2 = 64 f (s4) = f(19) = 19^2 = 361 3.?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.h using 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 int Unit_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 int hwj_coding(int start,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 int hwj_binary_search(int l, int r,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(int num,float cross);//交叉后的得到种群 void hwj_aberrance(int num,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(){ int strat,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(int i=0;iNUMBER;i++){ for(int j=0;jNum;j++){ coutUni