遗传算法在函数优化中的应用精品毕业设计完整版Word格式.docx

1、终止条件判断，若未达到终止条件，则转到Step3；Step7：输出结果。5停机准则（1）完成了预先给定的进化代数则停止；（2）群体中的最优个体在连续若干代没有改进或平均适应度在连续若干代基本没有改进时停止。6基本遗传算法框图二算法代码#include #includetime.hmath.h#define POPSIZE 500 #define chromlength 5 int popsize ;int maxgeneration;double pc = 0.0;double pm = 0.0;struct individual int chromchromlength; double va

2、lue; double fitness;int generation;int best_index;int worst_index;struct individual bestindividual;struct individual worstindividual;struct individual currentbest; tstruct individual populationPOPSIZE;void generateinitialpopulation（）;void generatenextpopulation（）;void evaluatepopulation（）;void calcu

3、lateobjectfitness（）;double decodechromosome（int,int）;void findbestandworstindividual（）;void performevolution（）;void selectoperator（）;void crossoveroperator（）;void mutationoperator（）;void input（）;void outputtextreport（）;void main（） int i; srand（unsigned）time（NULL）; printf（本程序为求函数y=x*x的最大值n）; generati

4、on=0; input（）;种群规模（popsize）: %d;n最大世代数（maxgeneration） %d;n交叉率（pc） %f;变异率（pm） %fnn,popsize,maxgeneration,pc,pm）; /*edit by ppme*/ generateinitialpopulation（）; evaluatepopulation（）; while（generationmaxgeneration） generation+; generatenextpopulation（）; evaluatepopulation（）; performevolution（）; outputte

5、xtreport（）; n 统计结果: 最大函数值等于：%fn,currentbest.fitness）;其染色体编码为： /计算currentbest的value for（ i = 0 ; i chromlength ; i+ ） printf（ %d,currentbest.chromi）;void generateinitialpopulation（ ） int i,j; for （i=0;ipopsize; i+） for（j=0;jchromlength;j+） populationi.chromj=（rand（）%105）?0:1; 显示初始化结果: for（i = 0 ; pop

6、size ; for（j = 0 ; j = 0 ; i- ） decimal += populationpop_index.chromi*（int）pow（double）2,（int）i）; return （decimal）;void findbestandworstindividual（ ） double sum=0.0; bestindividual=population0; worstindividual=population0; for （i=1; if （populationi.fitnessbestindividual.fitness） bestindividual=popula

7、tioni; best_index=i; else if （populationi.fitness=currentbest.fitness） currentbest=bestindividual;void performevolution（） if （bestindividual.fitnesscurrentbest.fitness） currentbest=populationbest_index; populationworst_index=currentbest;void selectoperator（） int i,index; double p,sum=0.0; double cfi

8、tnessPOPSIZE; struct individual newpopulationPOPSIZE; srand（unsigned） time（NULL）;i+） / i+） cfitnessi=populationi.fitness/sum; for（i=1; cfitnessi=cfitnessi-1+cfitnessi; /累计适应率i+） p=rand（）%1000/1000.0; index=0; while （pcfitnessindex） index+; newpopulationi=populationindex; populationi=newpopulationi;v

9、oid crossoveroperator（） int indexPOPSIZE; int point,temp; double p;i+） indexi=i; point=rand（）%（popsize-i）; temp=indexi; indexi=indexpoint+i; indexpoint+i=temp;popsize-1;i+=2） if （ppc） point=rand（）%（chromlength-1）+1; for （j=point; jj+） temp=populationindexi.chromj; populationindexi.chromj=populationi

10、ndexi+1.chromj; populationindexi+1.chromj=temp; void mutationoperator（） i+） p=rand（）%1000/1000.0; if （ppm） populationi.chromj=（populationi.chromj=0）?1:0;void input（）初始化全局变量:种群大小（4-500偶数）： scanf（%d, &popsize）; if（popsize%2） != 0） 种群大小已设置为偶数n popsize+; ;最大世代数（10-300）：maxgeneration）;交叉率（0.2-1.0）：%lfpc）

11、;变异率（0.00）:pm）;void outputtextreport（） double sum; double average; sum=0.0; sum+=populationi.value; average=sum/popsize;当前世代=%dn当前世代染色体平均值=%fn当前世代染色体最高值=%fn,generation,average,populationbest_index.value）;2.结果截图3.心得体会通过这次在函数优化过程中运用遗传算法，使我更加熟练的掌握了遗传算法。让我了解到遗传算法搜索函数的优点以及传统搜索方法的局限性。传统的搜索方法由于其应用的局限性,在某些情况下可能搜索到局部最优点，而不能达到全局最优点。利用遗传算法搜索函数最优点的方法极大地提高了搜索全局最优点的准确性。四参考文献1蔡自兴 徐光祐.人工智能及其应用.北京：清华大学出版社, 2009;2马永，贾俊芳.遗传算法研究综述.第23卷.第三期.2007年12月;3XX百科