遗传算法求解函数最大值用例

来源：互联网发布：mac如何使用搜狗编辑：程序博客网时间：2024/06/05 06:42
学习遗传算法自己改了一个用例，感谢下面两篇文章的作者：
参考文章：http://blog.csdn.net/emiyasstar__/article/details/6938608
http://blog.csdn.net/chudongfang2015/article/details/51720607
/*************************************************************************> File Name: 袋鼠跳遗传算法求函数最大值.cpp> Author:fanchenxin > Mail:531266381@qq.com > Created Time: 2016年06月24日 星期五> problem: f(X) = X*sin(10*PI*X) + 2.0 ;   X in [-1, 2] 求最大值及对应的X   先初始化随机点，相当于将很多的袋鼠放到山间，让他们   跳来跳去寻找最高的山峰，************************************************************************/#include <iostream>#include <stdio.h>#include <string.h>#include <math.h>#include <stdlib.h>#include <time.h>#include <algorithm>#define indiv_per_group    (50) //一个种群中个体的数目#define probability (60) //变异概率#define genmax      (100) //最大产生代数#define group_num   (100) //产生种群数量#define mutation_step  (0.005) //突变的步长using namespace std;#define PI (3.14159)#define LEFT (-1)#define RIGHT (2)typedef enum{    FALSE = 0,    TRUE  = 1}BOOL;typedef struct individual //一个个体{    double x;           //x in [-1, 2] : 袋鼠所在的横向位置    double fx;         //f(x)值:每个个体对环境的适应值，可以理解为袋鼠处在山峰的高度    int live;            //标志这个个体是否还活着}INDI;typedef struct group//一个种群{    INDI individuals[indiv_per_group]; //数组存储个体    INDI best;            //最优个体    int  best_gen;        //最优个体所在的代数    int  cur_gen;         //种群当前的代数}GROUP;/* 计算适应值函数(也是我们需要求解的函数) */double fx(double x){    return x * sin(10 * PI * x) + 2.0; }//1.初始化t←0进化代数计数器；genmax是最大进化代数；随机生成indiv_per_group个个体作为初始群体P(t)；void init();//2.个体评价void assess();//3.选择运算 将选择算子作用于群体void choose(int gen);//4.交叉运算 将交叉算子作用于群体，保留较优个体，淘汰较差个体void cross();//5.变异运算 将变异算子作用于群体，并通过以上运算得到下一代群体p(t+1)void mutation();//总调用函数，决定一个种群的进化void sovel();//子模块INDI  cross_once(int father,int mother);void mutation_one(int x);//创建一个种群GROUP  Group;//储存每个种群进化的结果INDI  bestsovel[group_num];//在这里创建了多个种群，这样使得解更具有准确性。int main(int argc,char *argv[]){    //时间种子产生随机数    srand(time(0));    int i;    //对产生的种群进行一一求解    for(i = 0;i < group_num; i++)    {        sovel();        bestsovel[i]=Group.best;    }    printf("输出每个种群的最优解:\n");    //输出每个种群的最优个体（解）    for(i = 0; i < group_num; i++)        printf("%dth: x = %f, fx = %f \n",i, bestsovel[i].x, bestsovel[i].fx);        //排序，并输出所有种群的最优解    INDI t;    for(i = 0;i < group_num; i++)    {        for(int j = i; j < group_num; j++)        {            if(bestsovel[i].fx < bestsovel[j].fx)            {                t = bestsovel[i];                bestsovel[i] = bestsovel[j];                bestsovel[j] = t;            }        }    }        printf("所有种群的最优解：");    printf("x = %f, fx = %f \n", bestsovel[0].x, bestsovel[0].fx);    return 0;}//对一个种群进行求解。void sovel(){        init();    for(int  i = 1;i <= genmax; i++) //种群繁杂代数    {        Group.cur_gen = i;        assess();               //评估，计算适应值        choose(Group.cur_gen);  //找最优个体，淘汰较差个体        cross();                //交叉产生子个体        mutation();             //变异    }}void init(){    Group.best.fx = -0xffffffff;//初始化一个很小的值，便于下面比较    Group.best_gen = 0;//记录产生最好结果的代数    Group.cur_gen = 0;//当前代数为0        //把一个种群中的每一个个体随机初始化    for(int j = 0; j < indiv_per_group; j++)    {             int t = rand() % 3001;   /*产生0 ~3000 的随机数*/        double x = ((double)t / 1000) - 1; /* 产生-1~2的浮点数 */        Group.individuals[j].x = x;        Group.individuals[j].live = TRUE;    }}//个体评价void assess(){    //计算出每个个体的fx值    for(int i = 0; i < indiv_per_group; i++)    {        Group.individuals[i].fx = fx(Group.individuals[i].x);    }}/* 利用轮转盘法进行淘汰 */void choose(int gen){     INDI t;    //使用轮转盘法进行淘汰    double totalFxValue = 0.0;    int i = 0;     for(i = 0; i < indiv_per_group; i++){        totalFxValue += Group.individuals[i].fx;     }      Group.best.fx = Group.individuals[0].fx;    Group.best.x = Group.individuals[0].x;    double tmp_add = 0;    for(i = 0; i < indiv_per_group; i++){        double t = rand() / double(RAND_MAX);  /* 0 ~ 1 浮点数*/        tmp_add += Group.individuals[i].fx;        double tmp = tmp_add / totalFxValue;  //累计概率        if(tmp >= t){            if(Group.individuals[i].fx > Group.best.fx){                Group.best.fx = Group.individuals[i].fx;                Group.best.x = Group.individuals[i].x;            }            continue;        }        else{            Group.individuals[i].live = FALSE; /* 淘汰掉 */        }    }        //选出这个种群的最优个体，并储存    if(Group.best.fx > Group.individuals[0].fx)    {        Group.best_gen = gen;    }}/* 随机挑选父母，并且取得他们横坐标之间的    随机数作为孩子的横坐标，并进行择优比较*/void cross(){    int first = 0, second = 0;        for(int j = 0; j < indiv_per_group; j++)    {             if(Group.individuals[j].live == FALSE){ /* 如果该个体已经被淘汰*/            /* 选择两个还活着的个体作为父母 */             while(1){                while(1){                    first = rand() % indiv_per_group;                    if(Group.individuals[first].live == TRUE)                        break;                }                second = rand() % indiv_per_group;                if(Group.individuals[second].live == TRUE)                    break;            }            /* 产生新个体 */            /* 取得Group.individuals[first].x 到Group.individuals[second].x之间的随机数 */            double diff = 0.0, tmp_x = 0.0;            if(Group.individuals[first].x > Group.individuals[second].x){                diff = Group.individuals[first].x - Group.individuals[second].x;                tmp_x = (rand() / double(RAND_MAX)) * diff;  /* 0 ~ diff 浮点数*/                tmp_x += Group.individuals[second].x;                //printf("start:%f, end:%f, tmp_x: %f\n", Group.individuals[second].x,                    //Group.individuals[first].x, tmp_x);            }else{                diff = Group.individuals[second].x - Group.individuals[second].x;                tmp_x = (rand() / double(RAND_MAX)) * diff;  /* 0 ~ diff 浮点数*/                tmp_x += Group.individuals[first].x;                //printf("start:%f, end:%f, tmp_x: %f\n", Group.individuals[first].x,                    //Group.individuals[second].x, tmp_x);            }                        double tmp_fx = fx(tmp_x);            if(tmp_fx > Group.individuals[first].fx && tmp_fx > Group.individuals[second].fx){                Group.individuals[j].x = tmp_x;                Group.individuals[j].fx = tmp_fx;            }            else{                if(Group.individuals[first].fx > Group.individuals[second].fx){                    Group.individuals[j].x = Group.individuals[first].x;                    Group.individuals[j].fx = Group.individuals[first].fx;                }else{                    Group.individuals[j].x = Group.individuals[second].x;                    Group.individuals[j].fx = Group.individuals[second].fx;                }            }            Group.individuals[j].live = TRUE;        }    }    return;}//对一个种群的全部个体都进行变异运算void mutation(){    for(int i = 0;i < indiv_per_group; i++)    {        if(Group.individuals[i].live == TRUE){            mutation_one(i);        }    }}//对一个个体的变异运算void mutation_one(int x){    int pro = rand() % 100;    if(pro > probability)          return ;   //用来判断变异是增加还是减少   double t = rand() / double(RAND_MAX);  /* 0 ~ 1 浮点数*/       if(t > 0.5){        Group.individuals[x].x += mutation_step;        if(Group.individuals[x].x > RIGHT)            Group.individuals[x].x = LEFT;        Group.individuals[x].fx = fx(Group.individuals[x].x);        if(Group.individuals[x].fx > Group.best.fx){            Group.best.fx = Group.individuals[x].fx;            Group.best.x = Group.individuals[x].x;        }   }else{        Group.individuals[x].x -= mutation_step;        if(Group.individuals[x].x < LEFT)            Group.individuals[x].x = RIGHT;        Group.individuals[x].fx = fx(Group.individuals[x].x);        if(Group.individuals[x].fx > Group.best.fx){            Group.best.fx = Group.individuals[x].fx;            Group.best.x = Group.individuals[x].x;        }   }}
结果截图：
0 0