用遗传算法走迷宫 [Java语言实现]

本文介绍了使用遗传算法来解决走迷宫的问题,通过Java代码实现。遗传算法能找出从起点到终点的最短路径,并通过交叉、变异等操作不断优化种群,最终找到最佳解。
摘要由CSDN通过智能技术生成

通过遗传算法走迷宫。虽然图1和图2均成功走出迷宫,但是图1比图2的路径长的多,且复杂,遗传算法可以计算出有多少种可能性,并选择其中最简洁的作为运算结果。

示例图1:


示例图2:


实现代码:

import java.util.ArrayList;

import java.util.Collections;

import java.util.Iterator;

import java.util.LinkedList;

import java.util.List;

import java.util.Random;

 

/**

 * 用遗传算法走迷宫

 *

 * @author Orisun

 *

 */

public class GA {

 

    int gene_len; // 基因长度

    int chrom_len; // 染色体长度

    int population; // 种群大小

    double cross_ratio; // 交叉率

    double muta_ratio; // 变异率

    int iter_limit; // 最多进化的代数

    List<boolean[]> individuals; // 存储当代种群的染色体

 

    Labyrinth labyrinth;

    int width;      //迷宫一行有多少个格子

    int height;     //迷宫有多少行

 

    public class BI {

        double fitness;

        boolean[] indv;

 

        public BI(double f, boolean[] ind) {

            fitness = f;

            indv = ind;

        }

 

        public double getFitness() {

            return fitness;

        }

 

        public boolean[] getIndv() {

            return indv;

        }

    }

 

    List<BI> best_individual; // 存储每一代中最优秀的个体

 

    public GA(Labyrinth labyrinth) {

        this.labyrinth=labyrinth;  

        this.width = labyrinth.map[0].length;

        this.height = labyrinth.map.length;

        chrom_len = 4 * (width+height);

        gene_len = 2;

        population = 20;

        cross_ratio = 0.83;

        muta_ratio = 0.002;

        iter_limit = 300;

        individuals = new ArrayList<boolean[]>(population);

        best_individual = new ArrayList<BI>(iter_limit);

    }

 

    public int getWidth() {

        ret

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值