遗传算法求函数极值.docx

标准文档 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(10 π *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 产生初始种群 s1= 13 (01101) 实用文案 标准文档 s2= 24 (11000) s3= 8 (01000) s4= 19 (10011) 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 选择 染色体的选择概率为： 实用文案 标准文档 染色体的累计概率为： 根据上面的式子，可得到： 实用文案 标准文档 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 实用文案 标准文档 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 变异 实用文案 标准文档 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 实用文案 标准文档 初始化输入种群大小，交叉概率， 变异概率等条件 根据精度编码将区间 [-1,2] 分成 Num 份，再通过 Num 求解种群基因个数 （ [-1,2] 用二进制等分） 计算每个个体的适应度，该题适应 度函数就是 f(X) 根据适应度求解积累概率，并用轮 盘赌法选着个体产生备选种群 在备选种群中，利用交叉概率，随 机选择个体，再随机选择交叉点进 行单点交叉，形成交叉后的种群 在交叉后种群中，利用变异概率， 随机选择个体，再随机选择变异点 进行单点变异，形成变异后的种群 是 否 输出结果最大 是否达到 值。 迭代次数 实用文案 标准文档 四、实验结果 源代码： /* 问题：用遗传算法求解 f(x)=xsin(10 π*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 实用文案 标准文档 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); coutN