人工智能實(shí)驗(yàn)報(bào)告

1、。人工智能第二次實(shí)驗(yàn)報(bào)告1.實(shí)驗(yàn)主題：遺傳算法的設(shè)計(jì)與實(shí)現(xiàn)2.實(shí)驗(yàn)?zāi)康模和ㄟ^學(xué)習(xí)人工智能課程，熟悉遺傳算法的簡(jiǎn)單應(yīng)用。3.實(shí)驗(yàn)內(nèi)容遺傳算法用于求解f (x)=x2，x0，31的最大值，x是一個(gè)整數(shù)。可以看出，這個(gè)功能相對(duì)簡(jiǎn)單。只要能體現(xiàn)遺傳算法的思想，選擇一個(gè)用于問題選擇就更容易了。主要重點(diǎn)是遺傳算法的實(shí)現(xiàn)和核心思想的實(shí)現(xiàn)。4.實(shí)驗(yàn)過程：1.實(shí)現(xiàn)進(jìn)程(1)編碼使用二進(jìn)制編碼，隨機(jī)生成初始群體。l代表編碼長(zhǎng)度，通常由問題解決方案的準(zhǔn)確性決定。編碼長(zhǎng)度L越長(zhǎng)，可以預(yù)期的最優(yōu)解的精度越高。過多的L會(huì)增加計(jì)算量。這個(gè)問題被簡(jiǎn)化了，因?yàn)樵跇?biāo)題中，x0，31將二進(jìn)制長(zhǎng)度設(shè)置為5就足夠了。(2)生成初始組人

2、口規(guī)模代表每一代人口中的個(gè)體數(shù)量。隨機(jī)生成n個(gè)初始字符串結(jié)構(gòu)數(shù)據(jù)，每個(gè)字符串結(jié)構(gòu)數(shù)據(jù)成為一個(gè)個(gè)體，n個(gè)個(gè)體形成一個(gè)初始群體，n代表群體的大小。當(dāng)n值較小時(shí)，遺傳算法的運(yùn)算速度可以提高，但種群的多樣性降低，容易導(dǎo)致遺傳算法過早收斂和誤收斂。然而，當(dāng)n值較大時(shí)，遺傳算法的效率會(huì)降低。通常，推薦值范圍是20-100。(3)體能測(cè)試根據(jù)實(shí)際標(biāo)準(zhǔn)，計(jì)算個(gè)體的適合度，判斷個(gè)體的優(yōu)缺點(diǎn)，即個(gè)體所代表的可行解的優(yōu)缺點(diǎn)。在這個(gè)例子中，適應(yīng)度是期望的目標(biāo)函數(shù)。(4)選擇從當(dāng)前組中選擇優(yōu)秀(適應(yīng)性強(qiáng))的個(gè)體，這樣他們就有機(jī)會(huì)被選中進(jìn)入下一個(gè)迭代過程，并放棄適應(yīng)性差的個(gè)體。在這個(gè)例子中，采用輪盤賭選擇方法，即個(gè)體被選

3、擇的概率與其適應(yīng)值的大小成比例；(5)交叉遺傳操作根據(jù)設(shè)定的交叉概率，對(duì)交配池中的個(gè)體進(jìn)行基因交叉操作，形成新一代群體，新一代中間個(gè)體的信息來自于父代個(gè)體，體現(xiàn)了信息交換的原則。交叉概率控制交叉操作的頻率。由于交叉操作是遺傳算法中產(chǎn)生新個(gè)體的主要方法，所以交叉概率通常取較大值。然而，如果它太大，它可能會(huì)破壞集團(tuán)的優(yōu)秀模式。一般取0.4-0.99。(6)變化隨機(jī)選擇中間群體中的個(gè)體，根據(jù)變異概率改變個(gè)體的基因值。變異提供了產(chǎn)生新個(gè)體的機(jī)會(huì)。變異的可能性也是影響新個(gè)體產(chǎn)生的一個(gè)因素。變異的概率很小，新個(gè)體的數(shù)量也很少。如果變異概率太大，遺傳算法就會(huì)變成隨機(jī)搜索。一般來說，變化的概率是0.0001-

4、0.1。(7)結(jié)束條件當(dāng)獲得的溶液大于或等于900時(shí)，它結(jié)束。從而看到遺傳效率的問題。5.代碼和結(jié)果：/*遺傳算法設(shè)計(jì)最大值*/#包括#包括#包括#包括#定義C 0 /測(cè)試#定義CFLAG 4 /測(cè)試標(biāo)志#定義交差率0.5 /交叉概率一般為0.4到0.99#定義偏差率0.09/變異概率0.0001-0.1# definiter _ num 1000/迭代次數(shù)#定義POP_NUM 20 /染色體數(shù)# define _ num 5/基因位數(shù)#定義FEXP(x) (x)*(x) /y=x2typedef無符號(hào)int UINT/染色體typedef結(jié)構(gòu)char GeneBitGENE _ NUM；/基

5、因位置UINT fitValue/適合度值染色體；/將二進(jìn)制基因位轉(zhuǎn)換成十進(jìn)制染色體流行UINT I；UINT基數(shù)=1；UINT結(jié)果=0；對(duì)于(I=0；i=(int)(BIANYI_RATE*100)#if (C=1) (CFLAG=4)Printf(n群體個(gè)體沒有遺傳變異 n )；#endif返回；rand col=rand()% GENE _ NUM；/隨機(jī)生成待突變的基因位置randRow=rand()% POP _ NUM；/隨機(jī)生成待突變的染色體位置#if (C=1) (CFLAG=4)printf(“ n變更前 n”)；測(cè)試(pop)；printf( n你好你好：綠筠小姐=%d哎哎

6、哎=%dn，第1行，邊界欄；#endif流行音樂.基因位元rancol=(popranrow).基因位邊界=0？1:0；/1喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲0.0英寸(0.0英寸)喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲喲1流行音樂.fitvalue=計(jì)算fit value(todc)(poprandom row)；#if (C=1) (CFLAG=4)printf( n哎哎哎 n ；測(cè)試(pop)；#endif/唉呀呀呀呀呀呀呀呀呀呀呀見創(chuàng)建彈出窗口(染色體*持久性有機(jī)污染物)UINT i，j；UINT邊界值：UINT值：srand(無符號(hào))時(shí)間(空)；對(duì)于(I=0)；I 0；i -)對(duì)于(j=0)；j(一至一)；(j)如果.fitValue popj.fitValue)temp pop=popJ1；popJ1=j:持久性有機(jī)污染物j=持久性有機(jī)污