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）,
升级会员 