遗传算法C语言代码.docx
《遗传算法C语言代码.docx》由会员分享，可在线阅读，更多相关《遗传算法C语言代码.docx（19页珍藏版）》请在冰豆网上搜索。
遗传算法C语言代码
遗传算法C语言代码
遗传算法C语言代码
遗传算法C语言代码
//GA.cpp:
Definestheentrypointfortheconsoleapplication.
//
/*
这是一个非常简单的遗传算法源代码，是由DenisCormier（NorthCarolinaStateUniversity）开发的，
SitaS.Raghavan（UniversityofNorthCarolinaatCharlotte）修正。
代码保证尽可能少，实际上也不必查错。
对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。
注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。
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。
读者可以从ftp.uncc.edu,目录coe/evol中的文件prog.c中获得。
要求输入的文件应该命名为‘gadata.txt’；系统产生的输出文件为‘galog.txt’。
输入的文件由几行组成：
数目对应于变量数。
且每一行提供次序——对应于变量的上下界。
如第一行为第一个变量提供上下界，第二行为第二个变量提供上下界，等等。
*/
#include
#include
#include
/*Changeanyoftheseparameterstomatchyourneeds*/
//请根据你的需要来修改以下参数
#definePOPSIZE50/*populationsize种群大小*/
#defineMAXGENS1000/*max.numberofgenerations最大基因个数*/
constintNVARS=3;/*no.ofproblemvariables问题变量的个数*/
#definePXOVER0.8/*probabilityofcrossover杂交概率*/
#definePMUTATION0.15/*probabilityofmutation变异概率*/
#defineTRUE1
#defineFALSE0
intgeneration;/*currentgenerationno.当前基因个数*/
intcur_best;/*bestindividual最优个体*/
FILE*galog;/*anoutputfile输出文件指针*/
structgenotype/*genotype（GT）,amemberofthepopulation种群的一个基因的结构体类型*/
{
doublegene[NVARS];/*astringofvariables变量*/
doublefitness;/*GT'sfitness基因的适应度*/
doubleupper[NVARS];/*GT'svariablesupperbound基因变量的上界*/
doublelower[NVARS];/*GT'svariableslowerbound基因变量的下界*/
doublerfitness;/*relativefitness比较适应度*/
doublecfitness;/*cumulativefitness积累适应度*/
};
structgenotypepopulation[POPSIZE+1];/*population种群*/
structgenotypenewpopulation[POPSIZE+1];/*newpopulation;新种群*/
/*replacestheoldgeneration*/
//取代旧的基因
/*Declarationofproceduresusedbythisgeneticalgorithm*/
//以下是一些函数声明
voidinitialize（void）;
doublerandval（double,double）;
voidevaluate（void）;
voidkeep_the_best（void）;
voidelitist（void）;
voidselect（void）;
voidcrossover（void）;
voidXover（int,int）;
voidswap（double*,double*）;
voidmutate（void）;
voidreport（void）;
/***************************************************************/
/*Initializationfunction:
Initializesthevaluesofgenes*/
/*withinthevariablesbounds.Italsoinitializes（tozero）*/
/*allfitnessvaluesforeachmemberofthepopulation.It*/
/*readsupperandlowerboundsofeachvariablefromthe*/
/*inputfile`gadata.txt'.Itrandomlygeneratesvalues*/
/*betweentheseboundsforeachgeneofeachgenotypeinthe*/
/*population.Theformatoftheinputfile`gadata.txt'is*/
/*var1_lower_boundvar1_upperbound*/
/*var2_lower_boundvar2_upperbound...*/
/***************************************************************/
voidinitialize（void）
{
FILE*infile;
inti,j;
doublelbound,ubound;
if（（infile=fopen（"gadata.txt","r"））==NULL）
{
fprintf（galog,"\nCannotopeninputfile!
\n"）;
exit
（1）;
}
/*initializevariableswithinthebounds*/
//把输入文件的变量界限输入到基因结构体中
for（i=0;i{
fscanf（infile,"%lf",&lbound）;
fscanf（infile,"%lf",&ubound）;
for（j=0;j{
population[j].fitness=0;
population[j].rfitness=0;
population[j].cfitness=0;
population[j].lower[i]=lbound;
population[j].upper[i]=ubound;
population[j].gene[i]=randval（population[j].lower[i],
population[j].upper[i]）;
}
}
fclose（infile）;
}
/***********************************************************/
/*Randomvaluegenerator:
Generatesavaluewithinbounds*/
/***********************************************************/
//随机数产生函数
doublerandval（doublelow,doublehigh）
{
doubleval;
val=（（double）（rand（）%1000）/1000.0）*（high-low）+low;
return（val）;
}
/*************************************************************/
/*Evaluationfunction:
Thistakesauserdefinedfunction.*/
/*Eachtimethisischanged,thecodehastoberecompiled.*/
/*Thecurrentfunctionis:
x[1]^2-x[1]*x[2]+x[3]*/
/*************************************************************/
//评价函数，可以由用户自定义，该函数取得每个基因的适应度
voidevaluate（void）
{
intmem;
inti;
doublex[NVARS+1];
for（mem=0;mem{
for（i=0;ix[i+1]=population[mem].gene[i];
population[mem].fitness=（x[1]*x[1]）-（x[1]*x[2]）+x[3];
}
}
/***************************************************************/
/*Keep_the_bestfunction:
Thisfunctionkeepstrackofthe*/
/*bestmemberofthepopulation.Notethatthelastentryin*/
/*thearrayPopulationholdsacopyofthebestindividual*/
/***************************************************************/
//保存每次遗传后的最佳基因
voidkeep_the_best（）
{
intmem;
inti;
cur_best=0;
/*storestheindexofthebestindividual*/
//保存最佳个体的索引
for（mem=0;mem{
if（population[mem].fitness>population[POPSIZE].fitness）
{
cur_best=mem;
population[POPSIZE].fitness=population[mem].fitness;
}
}
/*oncethebestmemberinthepopulationisfound,copythegenes*/
//一旦找到种群的最佳个体，就拷贝他的基因
for（i=0;ipopulation[POPSIZE].gene[i]=population[cur_best].gene[i];
}
/****************************************************************/
/*Elitistfunction:
Thebestmemberofthepreviousgeneration*/
/*isstoredasthelastinthearray.Ifthebestmemberof*/
/*thecurrentgenerationisworsethenthebestmemberofthe*/
/*previousgeneration,thelatteronewouldreplacetheworst*/
/*memberofthecurrentpopulation*/
/****************************************************************/
//搜寻杰出个体函数：
找出最好和最坏的个体。
//如果某代的最好个体比前一代的最好个体要坏，那么后者将会取代当前种群的最坏个体
voidelitist（）
{
inti;
doublebest,worst;/*bestandworstfitnessvalues最好和最坏个体的适应度值*/
intbest_mem,worst_mem;/*indexesofthebestandworstmember最好和最坏个体的索引*/
best=population[0].fitness;
worst=population[0].fitness;
for（i=0;i{
if（population[i].fitness>population[i+1].fitness）
{
if（population[i].fitness>=best）
{
best=population[i].fitness;
best_mem=i;
}
if（population[i+1].fitness<=worst）
{
worst=population[i+1].fitness;
worst_mem=i+1;
}
}
else
{
if（population[i].fitness<=worst）
{
worst=population[i].fitness;
worst_mem=i;
}
if（population[i+1].fitness>=best）
{
best=population[i+1].fitness;
best_mem=i+1;
}
}
}
/*ifbestindividualfromthenewpopulationisbetterthan*/
/*thebestindividualfromthepreviouspopulation,then*/
/*copythebestfromthenewpopulation;elsereplacethe*/
/*worstindividualfromthecurrentpopulationwiththe*/
/*bestonefromthepreviousgeneration*/
//如果新种群中的最好个体比前一代的最好个体要强的话，那么就把新种群的最好个体拷贝出来。
//否则就用前一代的最好个体取代这次的最坏个体
if（best>=population[POPSIZE].fitness）
{
for（i=0;ipopulation[POPSIZE].gene[i]=population[best_mem].gene[i];
population[POPSIZE].fitness=population[best_mem].fitness;
}
else
{
for（i=0;ipopulation[worst_mem].gene[i]=population[POPSIZE].gene[i];
population[worst_mem].fitness=population[POPSIZE].fitness;
}
}
/**************************************************************/
/*Selectionfunction:
Standardproportionalselectionfor*/
/*maximizationproblemsincorporatingelitistmodel-makes*/
/*surethatthebestmembersurvives*/
/**************************************************************/
//选择函数：
用于最大化合并杰出模型的标准比例选择，保证最优秀的个体得以生存
voidselect（void）
{
intmem,j,i;
doublesum=0;
doublep;
/*findtotalfitnessofthepopulation*/
//找出种群的适应度之和
for（mem=0;mem{
sum+=population[mem].fitness;
}
/*calculaterelativefitness*/
//计算相对适应度
for（mem=0;mem{
population[mem].rfitness=population[mem].fitness/sum;
}
population[0].cfitness=population[0].rfitness;
/*calculatecumulativefitness*/
//计算累加适应度
for（mem=1;mem{
population[mem].cfitness=population[mem-1].cfitness+
population[mem].rfitness;
}
/*finallyselectsurvivorsusingcumulativefitness.*/
//用累加适应度作出选择
for（i=0;i{
p=rand（）%1000/1000.0;
if（pnewpopulation[i]=population[0];
else
{
for（j=0;jif（p>=population[j].cfitness&&
pnewpopulation[i]=population[j+1];
}
}
/*onceanewpopulationiscreated,copyitback*/
//当一个新种群建立的时候，将其拷贝回去
for（i=0;ipopulation[i]=newpopulation[i];
}
/***************************************************************/
/*Crossoverselection:
selectstwoparentsthattakepartin*/
/*thecrossover.Implementsasinglepointcrossover*/
/***************************************************************/
//杂交函数：
选择两个个体来杂交，这里用单点杂交
voidcrossover（void）
{
intmem,one;
intfirst=0;/*countofthenumberofmemberschosen*/
doublex;
for（mem=0;mem{
x=rand（）%1000/1000.0;
if（x{
++first;
if（first%2==0）
Xover（one,mem）;
else
one=mem;
}
}
}
/**************************************************************/
/*Crossover:
performscrossoverofthetwoselectedparents.*/
/**************************************************************/
voidXover（intone,inttwo）
{
inti;
intpoint;/*crossoverpoint*/
/*sel
升级会员 