01背包遗传算法代码说明书文档格式.docx

1、 返回到第四步, 直至循环结束2、结果分析 蓝色字表示 输出结果 运行时间表示 算法复杂度 1）数据集一:物体总个数为30时 物品价值： 220 208 198 192 180 180 165 162 160 158 155 130 125 122 120 118 115 110 105 101 100 100 98 96 95 90 88 82 80 77 物品重量: 80 82 85 70 72 70 66 50 55 25 50 55 40 48 50 32 22 60 30 32 40 38 35 32 25 28 30 22 25 30背包容量 1000-最优值 2984.00000

2、0对应重量 995.000000线性解： 1 1 0 1 1 1 0 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 1 1 0 0 1 1 0运行时间: 16 ms 2）数据集二:物体总个数为50时物品价值： 220 208 198 192 180 180 165 162 160 158 155 130 125 122 120 118 115 110 105 101 100 100 98 96 95 90 88 82 80 77 75 73 72 70 69 66 65 63 60 58 56 50 30 20 15 10 8 5 3 1 80 82 85 70 72 70

3、66 50 55 25 50 55 40 48 50 32 22 60 30 32 40 38 35 32 25 28 30 22 25 30 45 30 60 50 20 65 20 25 30 10 20 25 15 10 10 10 4 4 2 1最优值 3010.000000对应重量 993.000000 1 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 0 0 0 0 1 0 1 0 0 1 0 0 0 0 0 0 1 1 1 0 31 ms 3）数据集三:物体总个数为60时 597 596 593 586 581

4、 568 567 560 549 548 547 529 529 527 520 491 482 478 475 475 466 462 459 458 454 451 449 443 442 421 410 409 395 394 390 377 375 366 361 347 334 322 315 313 311 309 296 295 294 289 285 279 277 276 272 248 246 245 238 237 54 183 106 82 30 58 71 166 117 190 90 191 205 128 110 89 63 6 140 86 30 91 156

5、31 70 199 142 98 178 16 140 31 24 197 101 73 16 73 2 159 71 102 144 151 27 131 209 164 177 177 129 146 17 53 64 146 43 170 180 171最优值 9738.000000对应重量 997.000000 1 0 0 1 1 1 1 0 0 0 1 0 0 0 0 1 1 1 0 0 1 0 0 1 1 0 0 0 0 1 0 1 1 0 0 0 1 1 1 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 19297 ms代码：#include

6、 #includestdlib.hmath.htime.h/*数据集一*#define S 5 /种群的规模#define Pc 0.8 /交叉概率#define Pm 0.05 /突变概率#define KW 1000 /背包最大载重1000#define N 30 /物体总数#define T 800 /最大换代数#define ALIKE 0.05 /判定相似度int stop=0; /初始化函数中初始化为所有价值之和int t=0; /目前的代数int value=220,208,198,192,180,180,165,162,160,158,155,130,125,122,120,1

7、18,115,110,105,101,100,100,98,96,95,90,88,82,80,77,75,73,72,70,69,66,65,63,60,58,56,50,30,20,15,10,8,5,3,1;int weight=80,82,85,70,72,70,66,50,55,25,50,55,40,48,50,32,22,60,30,32,40,38,35,32,25,28,30,22,25,30,45,30,60,50,20,65,20,25,30,10,20,25,15,10,10,10,4,4,2,1;/*数据集二*/ #define N 50 /物体总数/*数据集三*#d

8、efine N 60 /物体总数597,596,593,586,581,568,567,560,549,548,547,529,529,527,520,491,482,478,475,475,466,462,459,458,454,451,449,443,442,421,410,409,395,394,390,377,375,366,361,347,334,322,315,313,311,309,296,295,294,289,285,279,277,276,272,248,246,245,238,237,232,231,230,225,192,184,183,176,171,169,165,

9、165,154,153,150,149,147,143,140,138,134,132,127,124,123,114,111,104,89,74,63,62,58,55,48,27,22,12,6,250;54,183,106,82,30,58,71,166,117,190,90,191,205,128,110,89,63,6,140,86,30,91,156,31,70,199,142,98,178,16,140,31,24,197,101,73,16,73,2,159,71,102,144,151,27,131,209,164,177,177,129,146,17,53,64,146,4

10、3,170,180,171,130,183,5,113,207,57,13,163,20,63,12,24,9,42,6,109,170,108,46,69,43,175,81,5,34,146,148,114,160,174,156,82,47,126,102,83,58,34,21,14;/*/struct individual /个体结构体 bool chromsomeN; /染色体编码 double fitness; /适应度/即本问题中的个体所得价值 double weight; /总重量;int best=0;int same=0;individual XS,YS,bestindi

11、vidual;int comp（individual bestindividual,individual temp）; /比较函数void checkalike（void）; /检查相似度函数void GenerateInitialPopulation（void）; /初始种群void CalculateFitnessValue（void）; /适应度void SelectionOperator（void）; /选择void CrossoverOperator（void）; /交叉void MutationOperator（void）; /变异void FindBestandWorstIndi

12、vidual（void）; /寻找最优解void srand（unsigned int seed）; /随机生成int comp（individual bestindividual,individual temp）/比较函数 int fit=0,w=0;/第一种不变:操作后不满足重量函数，第二种:操作后适应度小于操作前 for（int i=0;iKW）return -1; return （bestindividual.fitnessfit?-1:1）;/如果小于原来值或者不满足重量函数，则返回-1void Checkalike（void） int i=0,j=0; for（ i=0;S;i+）

13、/相似度校验 for（j=0;jj+） bool temp=Xi.chromsomej; for（int k=1;kN*ALIKE）/大于ALIKE作为判定为早熟 int minindex=0; for（int n=0;nn+） if（Xn.fitnessXminindex.fitness） minindex=n;/确定最小 for （j=0; jj+）/重新生成 bool m=（rand（）%105）?0:1; Xminindex.chromsomej=m; Xminindex.weight+=m*weightj;/个体的总重量 Xminindex.fitness+=m*valuej; /个

14、体的总价值 void GenerateInitialPopulation（void）/初始种群,保证每个值都在符合条件的解 bool k; for（i=0;i+）stop+=valuei;/设置理论最优值 for （i=0; i i+） int w=0,v=0; k=（rand（）%10KW） i-; /如果不是解，重新生成 else Xi.fitness=v; Xi.weight=w; if（v=stop） bestindividual=Xi; return; /这种情况一般不会发生void CalculateFitnessValue（） w+=Xi.chromsomej*weightj;

15、v+=Xi.chromsomej*valuej; Xi.fitness=v; Xi.weight=w; if（v=stop） bestindividual=Xi; return; /符合条件情况下最优解这种情况一般不会发生KW） Xi=bestindividual;/如果不是解，找最好的一个解代之void SelectionOperator（void） int i, index; double p, sum=0.0; double cfitnessS;/选择、累积概率 individual newXS;i+） sum+=Xi.fitness;/适应度求和 i+） cfitnessi=Xi.fi

16、tness/sum; /选择概率 for （i=1; cfitnessi=cfitnessi-1+cfitnessi;/累积概率i+） p=（rand（）%1001）/1000.0;/产生一个0,1之间的随机数 index=0; while（pcfitnessindex）/轮盘赌进行选择 index+; newXi=Xindex; Xi=newXi;/新的种群void CrossoverOperator（void）/交叉操作 int i=0, j=0,k=0;individual temp; int p=0,q=0; do p=rand（）%S;/产生两个0，S的随机数 q=rand（）%S;

17、 while（p=q）; int w=1+rand（）%N;/1,N表示交换的位数 double r=（rand（）%1001）/1000.0;/0,1 if（r=Pc） for（j=0;w; temp.chromsomej=Xp.chromsomej;/将要交换的位先放入临时空间 Xp.chromsomej=Xq.chromsomej; Xq.chromsomej=temp.chromsomej; if（p=best） if（-1=comp（bestindividual,Xp）/如果变异后适应度变小 Xp=bestindividual; if（q=best） if（-1=comp（besti

18、ndividual,Xq）/如果变异后适应度变小 Xq=bestindividual;void MutationOperator（void） int i=0, j=0,k=0,q=0; double p=0; j+） p=（rand（）%1001）/1000.0; if （pbestindividual.fitness） best=i;/*主函数*/int main（） DWORD start, stop; start = GetTickCount（）;/程序开始时间 srand（unsigned）time（0）; t=0; GenerateInitialPopulation（）; /初始群体包括产生个体和计算个体的初始值 while （t=T） FindBestandWorstIndividual（）; /保存当前最优解 SelectionOperator（）; /选择 CrossoverOperator（）; /交叉 MutationOperator（）; /变异 Checkalike（）; /检查相似度 Calculat