【高级算法】遗传算法解决3SAT问题（C++实现）

转载请注明出处：http://blog.csdn.net/zhoubin1992/article/details/46910079

1 SAT问题描述

命题逻辑中合取范式 (CNF) 的可满足性问题 (SAT)是当代理论计算机科学的核心问题, 是一典型的NP 完全问题.在定义可满足性问题SAT之前，先引进一些逻辑符号。

一个 SAT 问题是指: 对于给定的 CNF 是否存在一组关于命题变元的真值指派使A为真. 显然,如A为真,则CNF的每个子句中必有一个命题变元为1(真)。

---

2 遗传算法

遗传算法类似于自然进化，通过作用于染色体上的基因寻找好的染色体来求解问题。与自然界相似，遗传算法对求解问题的本身一无所知，它所需要的仅是对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应性好的染色体有更多的繁殖机会。在遗传算法中，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始群体；通过适应度函数给每个个体一个数值评价，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合形成下一代新的种群。对这个新种群进行下一轮进化。
下面就是遗传算法思想：
　　(1) 初始化群体;
　　(2) 计算群体上每个个体的适应度值;
　　(3) 按由个体适应度值所决定的某个规则选择将进入下一代的个体;
　　(4) 按概率Pc进行交叉操作;
　　(5) 按概率Pc进行突变操作;
　　(6) 没有满足某种停止条件，则转第(2)步，否则进入(7)。
　　(7) 输出种群中适应度值最优的染色体作为问题的满意解或最优解。
　　程序的停止条件最简单的有如下二种：完成了预先给定的进化代数则停止；种群中的最优个体在连续若干代没有改进或平均适应度在连续若干代基本没有改进时停止。
　　

---

3 实验结果

样本为1.txt，变元个数n=30，子句个数m=129时，可满足的子句数为127，运行时间为00.0000秒，结果如下：

---

4 C++实现

// GA3SAT.cpp : 定义控制台应用程序的入口点。
//
/********************************* 
----------------------------------- 
遗传算法解决3SAT问题（C++实现代码）
----------------------------------- 
Author:牧之丶  Date：2014年
Email:bzhou84@163.com 
**********************************/  
#include "stdafx.h"
#include <iostream>
#include <fstream>
#include <time.h>
#include <math.h>
using namespace std;

#define ANSSIZE 100  //sat子句最大长度
#define POPUSIZE 40  //种群大小
#define GENERATE 100  //进化代数
#define PM 0.02  //编译概率

int bestGenes_sat;
int bestGenes[ANSSIZE];
int satGenes[POPUSIZE][ANSSIZE];
int score[POPUSIZE];
int **x;
int n=100;  //变元个数
int m=430;  //子句个数
// int randomi(int a, int b)
// {
   
   
//  int c=rand()%(b-a+1)+a;