遗传算法Python实现

最新推荐文章于 2024-08-13 09:46:33 发布

「已注销」

最新推荐文章于 2024-08-13 09:46:33 发布

阅读量1.5k

点赞数 9

分类专栏：优化算法文章标签：遗传算法优化 python

本文链接：https://blog.csdn.net/CYBERLIFERK800/article/details/90549254

版权

本文介绍了如何使用Python实现遗传算法，涵盖了从导入库、参数设置到目标函数、混沌函数、二进制转换、个体排序、交叉变异、适应度函数以及主函数的详细步骤。

摘要由CSDN通过智能技术生成

遗传算法Python实现

瞎BB
代码

瞎BB

代码

导入库以及参数设置

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import math
import random

#range of variable
bounds = np.array([-2,2])
#begin of variable
boundsbegin = bounds[0]
#end of variable
boundsend = bounds[1]
precision = 0.0001
#calc the BitLength
BitLength = math.ceil(np.log2((boundsend - boundsbegin) / precision))
#init
popsize = 100
Generationmax = 100
pmut = 0.09

目标函数

def targetfun(x):
    value = 200 * math.exp(-0.05 * x) * math.sin(x)
    return value

生成C行R列的值在0-1的数组

def random_random(C,R):
    rand=[]
    for i in range(C*R):
        rand.append(random.random())
    rand=np.array(rand)
    return rand.reshape(C,R)

混沌函数

def chaos(size):
    chaos_cro = np.zeros(size)
    chaos_cro[0] = random.random()
    for j in range(1,size):
            chaos_cro[j] = 4 * chaos_cro[j - 1] * (1 - chaos_cro[j - 1])
    return chaos_cro[-1]