遗传算法的一个例子(C/C++)

遗传算法的一个例子(C/C++)

作者:newsuppy

摘要: m个工件分配给m架机床的效益最优化问题，使用一种遗传算法解决。

 

一，已知效益矩阵E

eij	M1	M2	M3	M4	M5
J1	5	6	4	8	3
J2	6	4	9	8	5
J3	4	3	2	5	4
J4	7	2	4	5	3
J5	3	6	4	5	5

 

J_n为工件，M_n为机床，矩阵对应的一格即为，某工件分配给某机床的效益。效益指花费的时间，金钱等，数值越大越差。产生一个分配序列C=(5,2,3,4,1)指将5号工件分配给1号机床，2号工件分配给2号机床，以此类推求得当前分配对应的效益为3+4+2+5+3=17。最佳化问题就是要求该效益值最小时对应的分配序列。下面采用一种遗传算法，具体算法这里不再复述，可以参考[1]或其他相关书籍。要注意由于工件与机床是一一对应的，算法与一些常见的遗传算法在某些细节上有所不同，如染色体编码，到位，变异。

下面是算法实现，由于某些原因，不得不采用C/C++混合编码，C++代码主要在文件输入输出部分。另外要让程序正常运行需要包括几个支持文件(与程序在同一路径):

benefit.txt输入效益矩阵

num_of_gen.txt最后产生的代序

numofcolony.txt为群体中个体总数

numoftm.txt为工件数与机床数

内容可以如下:

benefit.txt
5 6 4 8 3 6 4 9 8 5 4 3 2 5 4 7 2 4 5 3 3 6 4 5 5
num_of_gen.txt
50
numofcolony.txt
10
numoftm.txt
5 5

注意:由于程序写得比较仓促，未考虑错误处理，请保证相关文件的正确性。

#include <iostream> #include <fstream> #include <algorithm> #include <numeric> #include <stdlib.h> #include <time.h> #include <math.h> using namespace std;   void generate_colony(int **colony, int num_of_chromosomes, int num_of_job); //初始群体产生 int compute_benefit(int **benefit_matrix, int *chromosome, int num_of_machine); // 对单个染色体的效益评估 void copy_chromosomes(int **colony, int num_of_chromosomes, int num_of_job, int *benefit_array);//复制 int execute_probably(float probability); //按一定概率返回1或0 //上面的函数实现中使用rand产生随机数，这是不严格的，应该采用一个均匀(Uniform)分布的随机数生成器   void exchange_gene(int *chromosome_first, int *chromosome_second, int num_of_job); //对两个染色体实行交换 void reverse_gene(int *chromosome, int num_of_job); //对单个染色体实行到位 void gene_mutate(int *chromosome, int num_of_job); //对单个染色体实行变异   void ERV_colony(int **colony, float pe, float pr, float pv, int num_of_job, int num_of_chromosomes); //对群体按概率实行交换，到位和变异   int main() {     int **benefit_matrix = NULL;        // 效益矩阵     int num_of_job;             // 工件数     int num_of_machine;       // 机床数       ifstream inputTM("numoftm.txt");