遗传算法Word文件下载.docx
《遗传算法Word文件下载.docx》由会员分享，可在线阅读，更多相关《遗传算法Word文件下载.docx（10页珍藏版）》请在冰豆网上搜索。
但是交叉操作要在一定的概率下进行，这个概率称为交叉率，一般设置为0.5到0.95之间。
交叉后产生的新个体组成的新种群如下：
图3
黑体字表示子代染色体继承母代个体的基因情况。
五、变异
变异就是对染色体的结构进行变异，使其改变原来的结构（值也就改变），达到突变进化的目的。
变异操作也要遵从一定的概率来进行，一般设置为0到0.5之间。
本文的变异方法直接采取基因位反转变异法，即0变为1，1变为0。
要进行变异的基因位的选取也是随机的。
六、终止规则
遗传算法是要一代一代更替的，那么什么时候停止迭代呢？
这个规则就叫终止规则。
一般常用的终止规则有：
若干代后终止，得到的解达到一定目标后终止，计算时间达到一定限度后终止等方法。
本文采用迭代数来限制。
全文代码如下：
viewplaincopytoclipboardprint?
1.#include<
stdio.h>
//调用输入输出函数所需要的头文件
2.#include<
conio.h>
//调用getche函数所需要的头文件
3.#include<
stdlib.h>
//调用随机函数所需要的头文件
4.
5.typedefstructChrom//结构体类型，为单个染色体的结构；
6.{
7.shortintbit[6];
8.intfit;
9.}chrom;
10.
11.void*evpop（chrompopcurrent[4]）;
//定义将会用到的几个函数；
12.intx（chrompopcurrent）;
13.inty（intx）;
14.void*pickchroms（chrompopcurrent[4]）;
15.void*crossover（chrompopnext[4]）;
16.void*mutation（chrompopnext[4]）;
17.
18.voidmain（）//主函数；
19.{
20.intnum;
//迭代次数；
21.inti,j,l,Max,k;
22.Max=0;
//函数最大值
23.
24.printf（"
\nWelcometotheGeneticAlgorithmcodedbyLuayAl-wesi,editdbyxujinpeng\n"
）;
//introductiontotheprogram，欢迎词；
25.printf（"
TheAlgorithmisbasedonthefunctiony=-x^2+5tofindthemaximumvalueofthefunction.\n"
26.
27.enter:
printf（"
\nPleaseentertheno.ofiterations\n请输入您要设定的迭代数:
"
28.scanf（"
%d"
&
num）;
//输入迭代次数，传送给参数num；
29.
30.chrompopcurrent[4];
//初始种群规模为4；
31.chrompopnext[4];
//更新后种群规模仍为4；
32.
33.
34.if（num<
1）
35.gotoenter;
//判断输入的迭代次数是否为负或零，是的话重新输入；
36.
37.evpop（popcurrent）;
//随机产生初始种群；
38.
39.for（i=0;
i<
num;
i++）//开始迭代；
40.{
41.
42.printf（"
\ni=%d\n"
i）;
//输出当前迭代次数；
43.
44.for（j=0;
j<
4;
j++）
45.{
46.popnext[j]=popcurrent[j];
//更新种群；
47.}
48.
49.pickchroms（popnext）;
//挑选优秀个体；
50.crossover（popnext）;
//交叉得到新个体；
51.mutation（popnext）;
//变异得到新个体；
52.
53.for（j=0;
54.{
55.popcurrent[j]=popnext[j];
//种群更替；
56.}
57.
58.}//等待迭代终止；
59.
60.for（l=0;
l<
3;
l++）
61.{
62.if（popcurrent[l].fit>
Max）
63.{
64.Max=popcurrent[l].fit;
65.k=l;
66.}
67.
68.}
69.printf（"
\n当x等于%d时，函数得到最大值为：
%d"
k,Max）;
70.printf（"
\nPressanykeytoend!
71.
72.flushall（）;
//清除所有缓冲区；
73.getche（）;
//从控制台取字符，不以回车为结束；
74.
75.}
76.
77.
78.
79.void*evpop（chrompopcurrent[4]）//函数：
随机生成初始种群；
80.{
81.inti,j,value;
82.intrandom;
83.for（j=0;
j++）//从种群中的第1个染色体到第4个染色体
84.{
85.for（i=0;
6;
i++）//从染色体的第1个基因位到第6个基因位
86.{
87.random=rand（）;
//产生一个随机值
88.random=（random%2）;
//随机产生0或者1
89.popcurrent[j].bit[i]=random;
//随机产生染色体上每一个基因位的值，0或1；
90.}
91.
92.value=x（popcurrent[j]）;
//将二进制换算为十进制，得到一个整数值；
93.popcurrent[j].fit=y（x（popcurrent[j]））;
//计算染色体的适应度值；
94.printf（"
\npopcurrent[%d]=%d%d%d%d%d%dvalue=%dfitness=%d"
j,popcurrent[j].bit[5],popcurrent[j].bit[4],popcurrent[j].bit[3],popcurrent[j].bit[2],popcurrent[j].bit[1],popcurrent[j].bit[0],value,popcurrent[j].fit）;
95.//输出整条染色体的编码情况，
96.
97.}
98.return（0）;
99.}
100.
101.
102.intx（chrompopcurrent）//函数：
将二进制换算为十进制；
103.{
104.intz;
105.z=（popcurrent.bit[0]*1）+（popcurrent.bit[1]*2）+（popcurrent.bit[2]*4）+（popcurrent.bit[3]*8）+（popcurrent.bit[4]*16）;
106.
107.if（popcurrent.bit[5]==1）
108.{
109.z=z*（-1）;
//考虑到符号；
110.}
111.
112.return（z）;
113.}
114.
115.inty（intx）//函数：
求个体的适应度；
116.{
117.inty;
118.y=-（x*x）+5;
//目标函数：
y=-（x^2）+5；
119.return（y）;
120.}
121.
122.void*pickchroms（chrompopcurrent[4]）//函数：
选择个体；
123.{
124.inti,j;
125.chromtemp;
//中间变量
126.
127.for（i=0;
i++）//根据个体适应度来排序；
（冒泡法）
128.{
129.for（j=0;
130.{
131.if（popcurrent[j+1].fit>
popcurrent[j].fit）
132.{
133.temp=popcurrent[j+1];
134.popcurrent[j+1]=popcurrent[j];
135.popcurrent[j]=temp;
136.
137.}
138.}
139.}
140.for（i=0;
i++）
141.{
142.printf（"
\nSorting:
popnext[%d]fitness=%d"
i,popcurrent[i].fit）;
143.printf（"
\n"
144.}
145.flushall（）;
146.return（0）;
147.}
148.
149.void*crossover（chrompopnext[4]）//函数：
交叉操作；
150.{
151.
152.intrandom;
153.inti;
154.random=rand（）;
//随机产生交叉点；
155.random=（（random%5）+1）;
//交叉点控制在1到5之间；
156.for（i=0;
random;
157.{
158.popnext[2].bit[i]=popnext[0].bit[i];
//child1crossover
159.popnext[3].bit[i]=popnext[1].bit[i];
//child2crossover
160.}
161.
162.for（i=random;
i++）//crossingthebitsbeyondthecrosspointindex
163.{
164.popnext[2].bit[i]=popnext[1].bit[i];
165.popnext[3].bit[i]=popnext[0].bit[i];
//chlid2crossover
166.}
167.
168.for（i=0;
169.{
170.popnext[i].fit=y（x（popnext[i]））;
//为新个体计算适应度值；
171.}
172.
173.for（i=0;
174.{
175.printf（"
\nCrossOverpopnext[%d]=%d%d%d%d%d%dvalue=%dfitness=%d"
i,popnext[i].bit[5],popnext[i].bit[4],popnext[i].bit[3],popnext[i].bit[2],popnext[i].bit[1],popnext[i].bit[0],x（popnext[i]）,popnext[i].fit）;
176.//输出新个体；
177.}
178.return（0）;
179.}
180.
181.void*mutation（chrompopnext[4]）//函数：
变异操作；
182.{
183.
184.intrandom;
185.introw,col,value;
186.random=rand（）%50;
//随机产生0到49之间的数；
187.
188.if（random==25）//random==25的概率只有2%，即变异率为0.02；
189.{
190.col=rand（）%6;
//随机产生要变异的基因位号；
191.row=rand（）%4;
//随机产生要变异的染色体号；
192.
193.if（popnext[row].bit[col]==0）//1变为0；
194.{
195.popnext[row].bit[col]=1;
196.}
197.elseif（popnext[row].bit[col]==1）//0变为1；
198.{
199.popnext[row].bit[col]=0;
200.}
201.popnext[row].fit=y（x（popnext[row]））;
//计算变异后的适应度值；
202.value=x（popnext[row]）;
203.printf（"
\nMutationoccuredinpopnext[%d]bit[%d]:
=%d%d%d%d%d%dvalue=%dfitness=%d"
row,col,popnext[row].bit[5],popnext[row].bit[4],popnext[row].bit[3],popnext[row].bit[2],popnext[row].bit[1],popnext[row].bit[0],value,popnext[row].fit）;
204.
205.//输出变异后的新个体；
206.}
207.
208.return（0）;
209.}
升级会员 