人工智能——遗传算法求函数最大值

题目描述：
运用遗传算法求解图中函数的最大值（约为38.8503…）

解决步骤：
1.确定编码方案——二进制编码，长度33位。
2.初始化种群：使用计算机在0～1之间产生随机数K，并按照数K的 值初始化基因位： 0≤K＜0.5，基因为置为1，0.5≤K≤1，基因为置为0。得到33位的01序列字符串。
3.计算个体适应度，以maxf（x1,x2)为适应度函数，因所需求的值为最大值，适应度函数值越大表示适应度越高，个体越优良。
4.轮盘赌算法
1)计算适应度比例，即每个个体的选择概率。
(2)计算每个个体的累积概率（适应度越大累积概率越高），相当于转盘上的“跨度”，“跨度”越大越容易选到。即每个个体之前所有个体的选择概率之和，相当于概率论中的概率分布函数
(3)生成0-1随机数，挑选在跨度之间的个体（累积概率越高被选中的概率越大）。
5.根据交叉概率pc=0.6对选出的个体进行交 叉，将两点交叉作为交叉算子，记产生的后代个体的集合为O1。
5.设定变异概率Pm=0.01（变异概率0.01表示O1中平均有1%个基因发生变异）对交叉产生的个体 进行变异，将单点变异作为变异算子，记产生 的后代个体的集合为O2。
6.计算所有后代个体的适应度，选出最好的 E=2个个体直接保留到下一代种群。 然后，根据轮盘赌选择N-E=8个个体进入下一 代种群。
7.若进化代数t=1000，则终止算法，输出适应度最大的个体作为问题的最优解。否则， 令t=t+1，转入第三步。

遗传算法根据对个体的优良选培及适当的交叉变异，逐步逼近最优解。
显然进化代数越高，解的精度和可信度越高，但是计算时间和算力要求更高。

源代码语言：java

package ai;

import java.util.ArrayList;
import java.util.Random;

import static java.lang.Math.*;

public class AIWork {
   

    public static final int RANDOMMAX = 32767;
    public static final double PI = 3.14159265358979323;
    //
    public ArrayList<String> pop = new ArrayList<>();
    //种群规模
    public static final int NUMBER =  20;
    //交叉概率
    private double pc = 0.6;
    //变异概率
    private double pm  = 0.01;
    //
    String maxString;
    //代数
    private int t;

    public void incre_t(){
   
        t++;
    }

    public int getT() {
   
        return t;
    }

    public void setT(int t) {
   
        this.t = t;
    }

    public static void main(String[] args) {
   
        AIWork aiWork = new AIWork();
        Individual Max = new Individual();
        aiWork.init();
        int j = 0;
        double MAX = 0;

        while (aiWork.getT() < 200000){
   
            double max1 = 0;
            double max2 = 0;
            String s1 = null;
            String s2 = null;
            Individual max;
            ArrayList<String> pop1,pop2,popNew,pop3 = new ArrayList<>();
            pop1 = aiWork.choose(aiWork.pop,NUMBER);
            pop2 = aiWork.crossover(pop1);

            for (int i = 0; i < pop2.size(); i++) {
   
                String s = aiWork.mutation(pop2.get(i));
                pop3.add(s);
                double d = aiWork.fitness(pop2.get(i)).getFit();

                if (d > max1){
   
                    s1 = pop2.get(i);
                    max1 = d;
                }
            }

            for