遗传算法程序
源代码在线查看： 单目遗传算法源程序 y = x2.txt
////////////////////////////////////
// 遗传算法 解决 y=x2问题
//编译环境 vc++6.0
//声明：部分代码来自网络
//email: happyppme@126.com
#include
#include
#include
#include
#define POPSIZE 500 //种群大小
#define chromlength 8 //染色体长度
int popsize ; //种群大小
int maxgeneration; //最大世代数
double pc = 0.0; //交叉率
double pm = 0.0; //变异率
struct individual //定义染色体个体结构体
{
int chrom[chromlength]; //定义染色体二进制表达形式，edit by ppme 将char 转为 int
double value; //染色体的值
double fitness; //染色体的适应值
};
int generation; //当前执行的世代数
int best_index; //最好的染色体索引序号
int worst_index; //最差的染色体索引序号
struct individual bestindividual; //最佳染色体个体
struct individual worstindividual; //最差染色体个体
struct individual currentbest; //当前最好的染色体个体 currentbest
struct individual population[POPSIZE];//种群数组
//函数声明
void generateinitialpopulation(); //ok-初始化当代种群
void generatenextpopulation(); //？？产生下一代种群
void evaluatepopulation(); //评价种群
void calculateobjectfitness(); //计算种群适应度
//long decodechromosome(char *,int,int);//染色体解码
double decodechromosome(int,int); //染色体解码
void findbestandworstindividual(); //寻找最好的和最坏的染色体个体
void performevolution(); //进行演变进化
void selectoperator(); //选择操作
void crossoveroperator(); //交换操作
void mutationoperator(); //变异操作
void input(); //输入接口
void outputtextreport(); //输出文字报告
void main() //主函数
{
int i;
srand((unsigned)time(NULL)); //强制类型转化，以当前时间戳定义随机数种子
printf("本程序为求函数y=x*x的最大值\n");
generation=0; //初始化generation当前执行的代
input(); //初始化种群大小、交叉率、变异率
/*edit by ppme*/
//调试用。。。。。显示input()结果
printf("popsize %d;maxgeneration %d;pc %f;pm %f\n\n",popsize,maxgeneration,pc,pm);
/*edit by ppme*/
generateinitialpopulation(); //产生初始化种群
evaluatepopulation(); //评价当前种群,(A.计算种群/个体的适应度;B.找出最好和最差的个体)
while(generation {
generation++;
generatenextpopulation(); //生成子代种群(A.选择; B.交叉; C.变异)
evaluatepopulation(); //评价新生子代种群
performevolution(); //进行子代进化
outputtextreport(); //输入当代最终种群
}
printf("\n");
printf(" 统计结果: ");
printf("\n");
printf("最大函数值等于：%f\n",currentbest.fitness);
printf("其染色体编码为：");
//计算currentbest的value
for( i = 0 ; i < chromlength ; i++ )
printf(" %d",currentbest.chrom[i]);
}
void generateinitialpopulation( ) //种群初始化
{
int i,j;
srand((unsigned)time(NULL)); //强制类型转化，以当前时间戳定义随机数种子
for (i=0;i {
for(j=0;j {
population[i].chrom[j]=(rand()%10 //,小于5标注0,否则标注1
}
}
/*
//调试显示初始化结果
printf("显示初始化结果:\n");
for(i = 0 ; i < popsize ; i++)
{
for(j = 0 ; j < chromlength ; j++)
{
printf(" %d",population[i].chrom[j]);
}
printf("\n");
}
*/
}
void generatenextpopulation() //生成下一代
{
selectoperator();
crossoveroperator();
mutationoperator();
}
void evaluatepopulation() //评价种群???
{
calculateobjectfitness(); //计算种群?个体的适应度
findbestandworstindividual(); //赵到最好和最差的染色体个体
}
void calculateobjectfitness() //计算染色体个体适应值和适应度
{
int i;
int j;
printf("calculateobjectfitness is executing!");
for(i=0;i {
double temp;
temp=decodechromosome(i,chromlength); //计算个体适应值
population[i].value=(double)temp;
population[i].fitness=population[i].value*population[i].value;
}
//调试用
printf("显示当前种群结果:\n");
for(i = 0 ; i < popsize ; i++)
{
for(j = 0 ; j < chromlength ; j++)
{
printf(" %d",population[i].chrom[j]);
}
printf(" %lf",population[i].value);
printf(" %lf",population[i].fitness);
printf("\n");
}
}
//error
double decodechromosome(int pop_index , int length) //给染色体解码
{
int i;
double decimal=0;
for( i = 0 ; i < length ; i++ )
decimal += population[pop_index].chrom[i]*pow(2,i); //遍历染色体二进制编码,
return (decimal); //并计算出其10进制的value值
}
void findbestandworstindividual( ) //求最佳个体和最差个体
{
int i;
double sum=0.0;
bestindividual=population[0];
worstindividual=population[0];
for (i=1;i {
if (population[i].fitness>bestindividual.fitness) //依次比较,找出最佳个体
{
bestindividual=population[i];
best_index=i;
}
else if (population[i].fitness {
worstindividual=population[i];
worst_index=i;
}
sum+=population[i].fitness; //sum 存放种群总体适应值
}//for
if (generation==0)
{
currentbest=bestindividual; //第一代最好的暂时存放在currentbest
}
else
{
if(bestindividual.fitness>=currentbest.fitness)//第n代最好的，通过比较大于以往最好个体的话，
{ //暂时存放在currentbest
currentbest=bestindividual;
}
}
}
void performevolution() //演示评价结果
{
if (bestindividual.fitness>currentbest.fitness)
{
currentbest=population[best_index];
}
else
{
population[worst_index]=currentbest;
}
}
void selectoperator() //比例选择算法
{
int i,index;
double p,sum=0.0; //p存放随机概率，sum存放个体适应率和累计适应率
double cfitness[POPSIZE]; //当代种群染色体个体的适应率
struct individual newpopulation[POPSIZE]; //新种群
srand((unsigned) time(NULL)); //种下随机种子
for(i=0;i {
sum+=population[i].fitness; //sum存放种群适应值总和
}
for(i=0;i cfitness[i]=population[i].fitness/sum; // cfitness[] = fitness/sum得到个体适应率
}
for(i=1;i cfitness[i]=cfitness[i-1]+cfitness[i]; //cfitness[]= cfitness[i-1]+cfitness[i]得到种群
} //累计适应率
for (i=0;i {
p=rand()%1000/1000.0; //得到千分位小数
index=0;
while (p>cfitness[index])
{
index++;
}
newpopulation[i]=population[index]; //选出的个体组成新的一代,暂时存放于newpopulation[]中
}
for(i=0;i population[i]=newpopulation[i]; //全局变量populaiton存放新的种群（有重复的值）
}
}
void crossoveroperator() //交叉算法
{
int i,j;
int index[POPSIZE];
int point,temp;
double p;
srand((unsigned) time(NULL)); //种下随机种子
for (i=0;i index[i]=i;
}
for (i=0;i point=rand()%(popsize-i); //打乱种群顺序
temp=index[i];
index[i]=index[point+i];
index[point+i]=temp;
}
for (i=0;i p=rand()%1000/1000.0;
if (p point=rand()%(chromlength-1)+1;
for (j=point; j temp=population[index[i]].chrom[j];
population[index[i]].chrom[j]=population[index[i+1]].chrom[j];
population[index[i+1]].chrom[j]=temp;
}
}
}
}
void mutationoperator() //变异操作
{
int i,j;
double p;
srand((unsigned) time(NULL)); //种下随机种子
for (i=0;i for(j=0;j p=rand()%1000/1000.0;
if (p population[i].chrom[j]=(population[i].chrom[j]==0)?1:0;
}
}
}
}
void input() //数据输入
{
printf("初始化全局变量:\n");
printf(" 种群大小(50-500偶数)：");
scanf("%d", &popsize); //输入种群大小，必须为偶数
if((popsize%2) != 0)
{
printf( " 种群大小已设置为偶数\n");
popsize++;
};
printf(" 最大世代数(100-300)："); //输入最大世代数
scanf("%d", &maxgeneration);
printf(" 交叉率(0.2-0.99)："); //输入交叉率
scanf("%lf", &pc);
printf(" 变异率(0.001-0.1)："); //输入变异率
scanf("%lf", &pm);
}
void outputtextreport()//数据输出
{
int i;
double sum;
double average;
sum=0.0;
for(i=0;i {
sum+=population[i].value;
}
average=sum/popsize;
printf("当前世代=%d\n当前世代染色体平均值=%f\n当前世代染色体最高值=%f\n",generation,average,population[best_index].value);
}
