这是我在解决电梯动力学参数写的简单遗传算法程序带目标.docx
《这是我在解决电梯动力学参数写的简单遗传算法程序带目标.docx》由会员分享,可在线阅读,更多相关《这是我在解决电梯动力学参数写的简单遗传算法程序带目标.docx(22页珍藏版)》请在冰豆网上搜索。
这是我在解决电梯动力学参数写的简单遗传算法程序带目标
这是我在解决电梯动力学参数写的简单遗传算法(程序带目标函数值、适应度值计算,但是我的适应度函数因为目标函数的计算很特殊,一起放在了程序外面计算,在此不提供)。
头文件:
//CMVSOGA.h:
mainheaderfilefortheCMVSOGA.cpp
////////////////////////////////////////////////////////////////////
///// /////
///// 沈阳航空工业学院动力工程系 /////
///// 作者:
李立新 /////
///// 完成日期:
2006.08.02 /////
///// /////
////////////////////////////////////////////////////////////////////
//本来想使用链表里面套链表的,程序调试比较麻烦,改为种群用链表表示
//染色体固定为16的方法。
#if!
defined(AFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767__INCLUDED_)
#defineAFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767__INCLUDED_
#if_MSC_VER>1000
#pragmaonce
#endif//_MSC_VER>1000
#include"Afxtempl.h"
#definevariablenum16
classCMVSOGA
{
public:
CMVSOGA();
voidselectionoperator();
voidcrossoveroperator();
voidmutationoperator();
voidinitialpopulation(int,int,double,double,double*,double*); //种群初始化
voidgeneratenextpopulation(); //生成下一代种群
voidevaluatepopulation(); //评价个体,求最佳个体
voidcalculateobjectvalue(); //计算目标函数值
voidcalculatefitnessvalue(); //计算适应度函数值
voidfindbestandworstindividual(); //寻找最佳个体和最差个体
voidperformevolution();
voidGetResult(double*);
voidGetPopData(double**);
voidSetValueData(double*);
voidmaxandexpectation();
private:
structindividual
{
doublechromosome[variablenum]; //染色体编码长度应该为变量的个数
doublevalue;
doublefitness; //适应度
};
doublevariabletop[variablenum]; //变量值
doublevariablebottom[variablenum]; //变量值
intpopsize; //种群大小
// intgeneration; //世代数
intbest_index;
intworst_index;
doublecrossoverrate; //交叉率
doublemutationrate; //变异率
intmaxgeneration; //最大世代数
structindividualbestindividual; //最佳个体
structindividualworstindividual; //最差个体
structindividualcurrent; //当前个体
structindividualcurrent1; //当前个体
structindividualcurrentbest; //当前最佳个体
CListpopulation; //种群
CListnewpopulation; //新种群
CListcfitness; //存储适应度值
// doublemaxfitness;
// doubleminfitness;
// doubleavefitness;
//怎样使链表的数据是一个结构体?
?
?
?
主要是想把种群作成链表。
节省空间。
};
#endif
执行文件
//CMVSOGA.cpp:
implementationfile
//
#include"stdafx.h"
#include"CMVSOGA.h"
#include"math.h"
#include"stdlib.h"
#ifdef_DEBUG
#definenewDEBUG_NEW
#undefTHIS_FILE
staticcharTHIS_FILE[]=__FILE__;
#endif
/////////////////////////////////////////////////////////////////////////////
//CMVSOGA.cpp
voidCMVSOGA:
:
initialpopulation(intps,intgen,doublecr,doublemr,double*xtop,double*xbottom) //第一步,初始化。
{
inti,j;
popsize=ps;
maxgeneration=gen;
crossoverrate=cr;
mutationrate=mr;
for(i=0;i {
variabletop[i]=xtop[i];
variablebottom[i]=xbottom[i];
}
srand((unsigned)time(NULL));
for(i=0;i {
for(j=0;j {
current.chromosome[j]=double(rand()%1000)/1000*(variabletop[j]-variablebottom[j])+variablebottom[j];
}
current.fitness=0;
current.value=0;
population.InsertAfter(population.FindIndex(i),current);//除了初始化使用insertafter外,其他的用setat命令。
}
}
voidCMVSOGA:
:
generatenextpopulation()//第三步,生成下一代。
{
selectionoperator();
crossoveroperator();
mutationoperator();
}
voidCMVSOGA:
:
evaluatepopulation() //第二步,评价个体,求最佳个体
{
// calculateobjectvalue();
calculatefitnessvalue(); //在此步中因该按适应度值进行排序.链表的排序.
findbestandworstindividual();
}
voidCMVSOGA:
:
calculateobjectvalue() //计算函数值,应该由外部函数实现。
主要因为目标函数很复杂。
{
inti,j;
doublex[variablenum];
for(i=0;i {
current=population.GetAt(population.FindIndex(i));
current.value=0;
//使用外部函数进行,在此只做结果的传递。
for(j=0;j {
x[j]=current.chromosome[j];
current.value=current.value+(j+1)*pow(x[j],4);
}
////使用外部函数进行,在此只做结果的传递。
population.SetAt(population.FindIndex(i),current);
}
}
voidCMVSOGA:
:
mutationoperator() //对于浮点数编码,变异算子的选择具有决定意义。
//需要guass正态分布函数,生成方差为sigma,均值为浮点数编码值c。
{
inti,j;
doubler1,r2,p,sigma;//sigma高斯变异参数
sigma=0.5;
for(i=0;i {
current=population.GetAt(population.FindIndex(i));
//生成均值为current.chromosome,方差为sigma的高斯分布数
srand((unsignedint)time(NULL));
for(j=0;j {
r1=double(rand()%1001)/1000;
r2=double(rand()%1001)/1000;
p=double(rand()%1000)/1000;
if(p {
//高斯变异
current.chromosome[j]=(current.chromosome[j]
+sigma*sqrt(-2*log(r1)/0.4323)*sin(2*3.1415926*r2));
if(current.chromosome[j]>variabletop[j])
{
current.chromosome[j]=variabletop[j];
}
if(current.chromosome[j] {
current.chromosome[j]=variablebottom[j];
}
}
}
population.SetAt(population.FindIndex(i),current);
}
}
voidCMVSOGA:
:
selectionoperator() //从当前个体中按概率选择新种群,应该加一个复制选择,提高种群的平均适应度
//第二次循环出错
{
inti,j,pindex=0;
doublep,pc,sum=0;
i=0;
j=0;
pindex=0;
p=0;
pc=0;
sum=0.001;
newpopulation.RemoveAll();
cfitness.RemoveAll();
//链表排序
// population.SetAt(population.FindIndex(0),current); //多余代码
for(i=1;i {
current=population.GetAt(population.FindIndex(i));
for(j=0;j
{
current1=population.GetAt(population.FindIndex(j));//临时借用变量
if(current.fitness<=current1.fitness)
{
population.InsertBefore(population.FindIndex(j),current);
population.RemoveAt(population.FindIndex(i+1));
break;
}
}
// m=population.GetCount();
}
//链表排序
for(i=0;i {
current=population.GetAt(population.FindIndex(i));
sum+=current.fitness;
}
for(i=0;i {
current=population.GetAt(population.FindIndex(i));
current.fitness=current.fitness/sum;
cfitness.InsertAfter(cfitness.FindIndex(i),current.fitness);
}
for(i=1;i {
current.fitness=cfitness.GetAt(cfitness.FindIndex(i-1))
+cfitness.GetAt(cfitness.FindIndex(i)); //归一化
cfitness.SetAt(cfitness.FindIndex(i),current.fitness);
population.SetAt(population.FindIndex(i),current);
}
for(i=0;i本段还有问题。
{
p=double(rand()%1000)/1000+0.0001; //随机生成概率
pindex=0; //遍历索引
pc=cfitness.GetAt(cfitness.FindIndex(0));
while(p>=pc&&pindex {
pc=cfitness.GetAt(cfitness.FindIndex(pindex));
pindex++;
}
//必须是从index~popsize,选择高概率的数。
即大于概率p的数应该被选择,选择不满则进行下次选择。
for(j=popsize-1;j {
newpopulation.InsertAfter(newpopulation.FindIndex(0),
population.GetAt(population.FindIndex(j)));
i++;
}
}
for(i=0;i {
population.SetAt(population.FindIndex(i),
newpopulation.GetAt(newpopulation.FindIndex(i)));
}
// j=newpopulation.GetCount();
// j=population.GetCount();
newpopulation.RemoveAll();
}
//current 变化后,以上没有问题了。
voidCMVSOGA:
:
crossoveroperator() //非均匀算术线性交叉,浮点数适用,alpha,beta是(0,1)之间的随机数
//对种群中两两交叉的个体选择也是随机选择的。
也可取beta=1-alpha;
//current的变化会有一些改变。
{
inti,j;
doublealpha,beta;
CListindex;
intpoint,temp;
doublep;
srand((unsigned)time(NULL));
for(i=0;i {
index.InsertAfter(index.FindIndex(i),i);
}
for(i=0;i {
point=rand()%(popsize-1);
temp=index.GetAt(index.FindIndex(i));
index.SetAt(index.FindIndex(i),
index.GetAt(index.FindIndex(point)));
index.SetAt(index.FindIndex(point),temp);
}
for(i=0;i {//按顺序序号,按序号选择两个母体进行交叉操作。
p=double(rand()%1000)/1000.0;
if(p {
alpha=double(rand()%1000)/1000.0;
beta=double(rand()%1000)/1000.0;
current=population.GetAt(population.FindIndex(index.GetAt(index.FindIndex(i))));
current1=population.GetAt(population.FindIndex(index.GetAt(index.FindIndex(i+1))));//临时使用current1代替
for(j=0;j {
//交叉
current.chromosome[j]=(1-alpha)*current.chromosome[j]+
beta*current1.chromosome[j];
if(current.chromosome[j]>variabletop[j]) //判断是否超界.
{
current.chromosome[j]=variabletop[j];
}
if(current.chromosome[j] {
current.chromosome[j]=variablebottom[j];
}
current1.chromosome[j]=alpha*current.chromosome[j]
+(1-beta)*current1.chromosome[j];
if(current1.chromosome[j]>variabletop[j])
{
current1.chromosome[j]=variabletop[j];
}
if(current1.chromosome[j] {
current1.chromosome[j]=variablebottom[j];
}
}
//回代
}
newpopulation.InsertAfter (newpopulation.FindIndex(i),current);
newpopulation.InsertAfter (newpopulation.FindIndex(i),current1);
}
j=newpopulation.GetCount();
for(i=0;i {
population.SetAt(population.FindIndex(i),
newpopulation.GetAt(newpopulation.FindIndex(i)));
}
newpopulation.RemoveAll();
}
voidCMVSOGA:
:
findbestandworstindividual()
{
inti;
bestindividual=population.GetAt(population.FindIndex(best_index));
worstindividual=population.GetAt(population.FindIndex(worst_index));
for(i=1;i {
current=population.GetAt(population.FindIndex(i));
if(current.fitness>bestindividual.fitness)
{
bestindividual=current;
best_index=i;
}
elseif(current.fitness {
worstindividual=current;
worst_index=i;
}
}
population.SetAt(population.FindIndex(worst_index),