遺傳算法實(shí)驗(yàn)報(bào)告(僅供參照)

1、參考資料一-頁眉頁腳可刪除-人工智能實(shí)驗(yàn)報(bào)告-參看資料-頁眉頁腳可刪除一遺傳算法實(shí)驗(yàn)報(bào)告一、問題描述對遺傳算法的選擇操作， 設(shè)種群規(guī)模為4,個(gè)體用二進(jìn)制編碼，適應(yīng)度函數(shù),x的取值區(qū) 間為0,30。若遺傳操作規(guī)定如下：（1）選擇概率為100%，選擇算法為輪盤賭算法；（2）交叉概率為1,交叉算法為單點(diǎn)交叉，交叉順序按個(gè)體在種群中的順序；（3）變異幾率為0請編寫程序，求取函數(shù)在區(qū)間 0,30的最大值。二、方法原理遺傳算法：遺傳算法是借鑒生物界自然選擇和群體進(jìn)化機(jī)制形成的一種全局尋優(yōu)算法。與傳統(tǒng)的優(yōu)化算法相比， 遺傳算法具有如下優(yōu)點(diǎn)：不是從單個(gè)點(diǎn)，而是從多個(gè)點(diǎn)構(gòu)成的群體開始搜索；在搜索最優(yōu)解過程中，

2、只需要由目標(biāo)函數(shù)值轉(zhuǎn)換得來的適應(yīng)值信息，而不需要導(dǎo)數(shù)等其它輔助信息； 搜索過程不易陷入局部最優(yōu)點(diǎn)。目前，該算法已滲透到許多領(lǐng)域，并成為解決各領(lǐng)域復(fù)雜問題的有力工具。在遺傳算法中，將問題空間中的決策變量通過一定編碼方法表示成遺傳空間的一個(gè)個(gè)體，它是一個(gè)基因型串結(jié)構(gòu)數(shù)據(jù)；同時(shí)，將目標(biāo)函數(shù)值轉(zhuǎn)換成適應(yīng)值，它用來評價(jià)個(gè)體的優(yōu)劣，并作為遺傳操作的依據(jù)。遺傳操作包括三個(gè)算子：選擇、 交叉和變異。選擇用來實(shí)施適者生存的原則，即把當(dāng)前群體中的個(gè)體按與適應(yīng)值成比例的概率復(fù)制到新的群體中，構(gòu)成交配池（當(dāng)前代與下一代之間的中間群體）。選擇算子的作用效果是提高了群體的平均適應(yīng)值。由于選擇算子沒有產(chǎn)生新個(gè)體，所以群體中

3、最好個(gè)體的適應(yīng)值不會因選擇操作而有所改進(jìn)。交叉算子可以產(chǎn)生新的個(gè)體，它首先使從交配池中的個(gè)體隨 機(jī)配對，然后將兩兩配對的個(gè)體按某種方式相互交換部分基因。變異是對個(gè)體的某一個(gè)或某一些基因值按某一較小概率進(jìn)行改變。從產(chǎn)生新個(gè)體的能力方面來說，交叉算子是產(chǎn)生新個(gè)體的主要方法，它決定了遺傳算法的全局搜索能力；而變異算子只是產(chǎn)生新個(gè)體的輔助方法， 但也必不可少，因?yàn)樗鼪Q定了遺傳算法的局部搜索能力。交叉和變異相配合，共同完成對搜索空間的全局和局部搜索。三、實(shí)現(xiàn)過程（1） 編碼：使用二進(jìn)制編碼，隨機(jī)產(chǎn)生一個(gè)初始種群。L表示編碼長度，通常由對問題的求解精度決定，編碼長度 L越長，可期望的最優(yōu)解的精度也就越高，

4、過大的L會增大運(yùn)算量。（2） 生成初始群體：種群規(guī)模表示每一代種群中所含個(gè)體數(shù)目。隨機(jī)產(chǎn)生N個(gè)初始串結(jié) 構(gòu)數(shù)據(jù)，每個(gè)串結(jié)構(gòu)數(shù)據(jù)成為一個(gè)個(gè)體， N個(gè)個(gè)體組成一個(gè)初始群體， N表示種群規(guī)模的大 小。當(dāng)N取值較小時(shí)，可提高遺傳算法的運(yùn)算速度，但卻降低種群的多樣性，容易引起遺傳算法早熟，出現(xiàn)假收斂；而N當(dāng)取值較大時(shí)，又會使得遺傳算法效率降低。一般建議的取值范圍是20100。遺傳算法以該群體作為初始迭代點(diǎn)；（3）適應(yīng)度檢測：根據(jù)實(shí)際標(biāo)準(zhǔn)計(jì)算個(gè)體的適應(yīng)度，評判個(gè)體的優(yōu)劣，即該個(gè)體所代表的可行解的優(yōu)劣。本例中適應(yīng)度即為所求的目標(biāo)函數(shù)；（4）選擇：從當(dāng)前群體中選擇優(yōu)良（適應(yīng)度高的）個(gè)體，使它們有機(jī)會被選中進(jìn)入

5、下一次迭代過程，舍棄適應(yīng)度低的個(gè)體。 本例中采用輪盤賭的選擇方法，即個(gè)體被選擇的幾率與其適應(yīng)度值大小成正比；（5）交叉：遺傳操作，根據(jù)設(shè)置的交叉概率對交配池中個(gè)體進(jìn)行基因交叉操作，形成新一代的種群，新一代中間個(gè)體的信息來自父輩個(gè)體，體現(xiàn)了信息交換的原則。 交叉概率控制參考資粋一項(xiàng)眉頁腳可刪除一著交叉操作的頻率，由于交叉操作是遺傳算法中產(chǎn)生新個(gè)體的主要方法，所以交叉概率通常應(yīng)取較大值；但若過大的話，又可能破壞群體的優(yōu)良模式。一般取0.4到0.99。(6) 變異：隨機(jī)選擇中間群體中的某個(gè)個(gè)體，以變異概率大小改變個(gè)體某位基因的值。變異為產(chǎn)生新個(gè)體提供了機(jī)會。 變異概率也是影響新個(gè)體產(chǎn)生的一個(gè)因素，變

6、異概率小，產(chǎn)生新個(gè)體少；變異概率太大，又會使遺傳算法變成隨機(jī)搜索。一般取變異概率為0.0001 0.1。(7) 終止進(jìn)化代數(shù)。本例中規(guī)定遺傳代數(shù)的收斂判據(jù)，根據(jù)設(shè)置好的進(jìn)化代數(shù)，搜索到規(guī)定代數(shù)后自動停止。四、具體代碼代碼如下：ttinclucletiiwltincludetypedef structint code；染芭體int degree;/適應(yīng)度Tndi;Indi group(10;/Z種群規(guī)模為“uaid Judge(IndiInt happened(djutale p”/發(fā)生一個(gè)尸曠1間概率的事件 一void Crossf Indi Indi &y)/ y 払作x.cod?ttix3

7、;z.cade=.code-tenp+tenp1;z1. cocley . code-tempi * temp;Judgef z);Judgefzl):If(-N.degree)如果新彳體不如雙親,淘汰之x-z;elseif (z , .degree)y-i;if(x,degree-x.degree) 如果*t卜體不如雙親淘汰之x-z1;else=*=|j tfegrer)yzT;參考資料一頁眉頁腳可刪除一uoid adin()ndl indldest;it 3. j,c ：int 5um,strick,SUM-0; static int n-fl; srand(ti(HULL);勢”U陡機(jī)得

8、到初始種群 groupi .code-rand()32; printF(*% priMU”； for(l-1;groupbest.degreebest-j；/t當(dāng)苗懸優(yōu)廠偉prints*第#如代中最優(yōu)個(gè)體為 抽 性町平均適應(yīng)度為 皆幣W.1Tqroupbest.codp fgroup(nest.degree,sun/10.;for(c=1G;c;-c)Strick-float rand( )/RAND_MAX*Sun)； 咅盤中的色子選擇個(gè)嚴(yán) m For(x= 0;x=qroupk.deqree;+x) strick-=gr0Hpx.riegrpe;strick-(int)(Flat)rand()/RAND MAXsun);for(9 B；y-groupp.degre&;+*y) strick-=groupfy,degree;lf(happened(t*9)CrDss(graupx *group(i/ )五、實(shí)驗(yàn)結(jié)果C:Windowssy stem 3 2c md.exe3 & 8 0 02 2 3 3 - 01 - 4ttfef