人工智能實驗報告

1、。人工智能第二次實驗報告1.實驗主題：遺傳算法的設計與實現2.實驗目的：通過學習人工智能課程，熟悉遺傳算法的簡單應用。3.實驗內容遺傳算法用于求解f (x)=x2，x0，31的最大值，x是一個整數?？梢钥闯?，這個功能相對簡單。只要能體現遺傳算法的思想，選擇一個用于問題選擇就更容易了。主要重點是遺傳算法的實現和核心思想的實現。4.實驗過程：1.實現進程(1)編碼使用二進制編碼，隨機生成初始群體。l代表編碼長度，通常由問題解決方案的準確性決定。編碼長度L越長，可以預期的最優(yōu)解的精度越高。過多的L會增加計算量。這個問題被簡化了，因為在標題中，x0，31將二進制長度設置為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體數量。隨機生成n個初始字符串結構數據，每個字符串結構數據成為一個個體，n個個體形成一個初始群體，n代表群體的大小。當n值較小時，遺傳算法的運算速度可以提高，但種群的多樣性降低，容易導致遺傳算法過早收斂和誤收斂。然而，當n值較大時，遺傳算法的效率會降低。通常，推薦值范圍是20-100。(3)體能測試根據實際標準，計算個體的適合度，判斷個體的優(yōu)缺點，即個體所代表的可行解的優(yōu)缺點。在這個例子中，適應度是期望的目標函數。(4)選擇從當前組中選擇優(yōu)秀(適應性強)的個體，這樣他們就有機會被選中進入下一個迭代過程，并放棄適應性差的個體。在這個例子中，采用輪盤賭選擇方法，即個體被選

3、擇的概率與其適應值的大小成比例；(5)交叉遺傳操作根據設定的交叉概率，對交配池中的個體進行基因交叉操作，形成新一代群體，新一代中間個體的信息來自于父代個體，體現了信息交換的原則。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生新個體的主要方法，所以交叉概率通常取較大值。然而，如果它太大，它可能會破壞集團的優(yōu)秀模式。一般取0.4-0.99。(6)變化隨機選擇中間群體中的個體，根據變異概率改變個體的基因值。變異提供了產生新個體的機會。變異的可能性也是影響新個體產生的一個因素。變異的概率很小，新個體的數量也很少。如果變異概率太大，遺傳算法就會變成隨機搜索。一般來說，變化的概率是0.0001-

4、0.1。(7)結束條件當獲得的溶液大于或等于900時，它結束。從而看到遺傳效率的問題。5.代碼和結果：/*遺傳算法設計最大值*/#包括#包括#包括#包括#定義C 0 /測試#定義CFLAG 4 /測試標志#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#定義POP_NUM 20 /染色體數# define _ num 5/基因位數#定義FEXP(x) (x)*(x) /y=x2typedef無符號int UINT/染色體typedef結構char GeneBitGENE _ NUM；/基

5、因位置UINT fitValue/適合度值染色體；/將二進制基因位轉換成十進制染色體流行UINT I；UINT基數=1；UINT結果=0；對于(I=0；i=(int)(BIANYI_RATE*100)#if (C=1) (CFLAG=4)Printf(n群體個體沒有遺傳變異 n )；#endif返回；rand col=rand()% GENE _ NUM；/隨機生成待突變的基因位置randRow=rand()% POP _ NUM；/隨機生成待突變的染色體位置#if (C=1) (CFLAG=4)printf(“ n變更前 n”)；測試(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=計算fit value(todc)(poprandom row)；#if (C=1) (CFLAG=4)printf( n哎哎哎 n ；測試(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*持久性有機污染物)UINT i，j；UINT邊界值：UINT值：srand(無符號)時間(空)；對于(I=0)；I 0；i -)對于(j=0)；j(一至一)；(j)如果.fitValue popj.fitValue)temp pop=popJ1；popJ1=j:持久性有機污染物j=持久性有機污