01背包遗传算法代码说明.docx

1、01背包遗传算法代码说明01背包遗传算法一、算法说明：遗传算法是具有“生成+检测”的迭代的搜索算法。它的基本处理流程如图所示。 使用基本遗传算法解决0- 1背包问题的程序步骤如下 1: 设置种群的规模、交叉概率、突变概率、背包最大载重等常数 2: 设置物品的重量和价值 3: 调用初始化种群模块 3- 1: 按照一定的种群规模和染色体长度以基因为单位用随机产生的0- 1对个体赋值 3- 2: 调用计算适应度函数 4: 以最大进化代数为循环终止条件开始进行循环 4- 1: 调用产生新一代个体的函数 4- 1- 1: 调用选择函数 4- 1- 2: 调用交叉函数 4- 1- 3: 调用变异函数 4-

2、 1- 4: 调用计算适应度函数 5: 调用计算新一代种群统计数据函数 6: 调用输出新一代统计数据函数 7: 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 3

3、2 40 38 35 32 25 28 30 22 25 30背包容量 1000-最优值 2984.000000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 6

4、5 63 60 58 56 50 30 20 15 10 8 5 3 1 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 45 30 60 50 20 65 20 25 30 10 20 25 15 10 10 10 4 4 2 1背包容量 1000-最优值 3010.000000对应重量 993.000000线性解： 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

5、 1 0 1 0 0 1 0 0 0 0 0 0 1 1 1 0运行时间: 31 ms 3)数据集三:物体总个数为60时物品价值： 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 23

6、8 237 物品重量: 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 43 170 180 171背包容量 1000-最优值 9738.000000对应重量 997.000000线性解： 1 0 0 1 1 1 1 0 0 0 1 0 0 0 0 1 1

7、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运行时间: 19297 ms代码：#include #include#include#include#include/*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i

8、nt 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=220,208,198,192,180,180,165,162,160,158,155,130,125,122,120,118,115,110,105,101,100,100,98,96,95,90,88,82,80,77,75,73,72,70,69,66,65,63,60,58,56,50,30,20,15,10,8,5,3,1;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

9、,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 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 50 /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=220,208,19

10、8,192,180,180,165,162,160,158,155,130,125,122,120,118,115,110,105,101,100,100,98,96,95,90,88,82,80,77,75,73,72,70,69,66,65,63,60,58,56,50,30,20,15,10,8,5,3,1;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

11、,10,10,4,4,2,1;/*数据集三*#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 60 /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=597,596,593,586,581,568,567,560,549,548,547,529,529,527,520,491,482,478,475

12、,475,466,462,459,458,454,451,449,443,442,421,410,409,395,394,390,377,375,366,361,347,334,322,315,313,311,309,296,295,294,289,285,279,277,276,272,248,246,245,238,237,232,231,230,225,192,184,183,176,171,169,165,165,154,153,150,149,147,143,140,138,134,132,127,124,123,114,111,104,89,74,63,62,58,55,48,27

13、,22,12,6,250;int weight=54,183,106,82,30,58,71,166,117,190,90,191,205,128,110,89,63,6,140,86,30,91,156,31,70,199,142,98,178,16,140,31,24,197,101,73,16,73,2,159,71,102,144,151,27,131,209,164,177,177,129,146,17,53,64,146,43,170,180,171,130,183,5,113,207,57,13,163,20,63,12,24,9,42,6,109,170,108,46,69,4

14、3,175,81,5,34,146,148,114,160,174,156,82,47,126,102,83,58,34,21,14;/*/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,bestindividual;/*/int comp(individual bestindividual,individual temp); /比较函数void checkal

15、ike(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 FindBestandWorstIndividual(void); /寻找最优解void srand(unsigned int seed); /随机生成/*/int comp(individua

16、l 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-1/*/void Checkalike(void) int i=0,j=0; for( i=0;iS;i+)/相似度校验 for(j=0;jN;j+) bool temp=Xi.chromsomej; for(int k=1;kN*ALIKE)/大

17、于ALIKE作为判定为早熟 int minindex=0; for(int n=0;nS;n+) if(Xn.fitnessXminindex.fitness) minindex=n;/确定最小 for (j=0; jN;j+)/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

18、 int i=0,j=0; bool k; for(i=0;iN;i+)stop+=valuei;/设置理论最优值 for (i=0; iS; i+) int w=0,v=0; for (j=0; jN;j+) 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() int i=0,j=0; for (i=0; iS; i+) int w=0,v=0; for

19、(j=0; jKW) 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; for (i=0;iS;i+) sum+=Xi.fitness;/适应度求和 for (i=0;iS; i+) cfitnessi=Xi.fitness/sum; /选择概率 for (i=1;iS; i+) cfitnessi=cfitnessi-1+cfitnessi;/累积概率 fo

20、r (i=0;icfitnessindex)/轮盘赌进行选择 index+; newXi=Xindex; for (i=0; iS; i+) Xi=newXi;/新的种群/*/void CrossoverOperator(void)/交叉操作 int i=0, j=0,k=0;individual temp; for(i=0; iS; i+) int p=0,q=0; do p=rand()%S;/产生两个0，S的随机数 q=rand()%S; 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

21、 if(r=Pc) for(j=0;jw;j+) 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(bestindividual,Xq)/如果变异后适应度变小 Xq=bestindividual; /*/void MutationOperator(voi

22、d) int i=0, j=0,k=0,q=0; double p=0; for (i=0; iS; i+) for (j=0; jN; j+) p=(rand()%1001)/1000.0; if (pPm)/对每一位都要考虑 if(Xi.chromsomej=1)Xi.chromsomej=0; else Xi.chromsomej=1; if(i=best) if(-1=comp(bestindividual,Xi)/如果变异后适应度变小 Xi=bestindividual; /*/void FindBestandWorstIndividual(void) int i; bestindi

23、vidual=X0; for (i=1;ibestindividual.fitness) bestindividual=Xi; 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 Calc