人工智能实验-遗传算法

实验目的

• 了解遗传算法的概念
• 掌握遗传算法的使用

实验内容

设计并实现一个简单的遗传算法程序，用该算法求解在区间[0,31]上的二次函数y=x2的最大值，程序能显示优化计算过程，直至给出最优解。

实验过程

问题描述

1．染色体及其编码

            遗传算法以生物细胞中的染色体(chromosome)代表问题中个体对象（即可能解）。一般用字符串表示，而基因也就是字符串中的一个个字符。例如，假设数字9是某问题中的个体对象，则我们就可以用它的二进制数串1001作为它的染色体编码。

   2. 适应度与适应度函数

            适应度(fitness)就是借鉴生物个体对环境的适应程度，而对所求解问题中的对象（即染色体）设计的一种表征优劣的测度。适应度函数(fitness function)就是问题中的全体对象与其适应度之间的一个对应关系，即对象集合到适应度集合的一个映射。

   3. 种群

            种群（population）就是模拟生物种群而由若干个染色体组成的群体，它一般是整个论域空间的一个很小的子集。遗传算法就是通过在种群上实施所称的遗传操作，使其不断更新换代而实现对整个论域空间的搜索。

   4. 遗传操作

           遗传算法中有三种关于染色体的运算：选择-复制*、交叉和变异，称为遗传操作或遗传算子（genetic operator）。

    选择-复制

          选择概率P(xi)的计算公式为

其中，f为适应度函数，f(xi)为xi的适应度。

按概率选择的方法可用一种称为赌轮的原理来实现。算法中赌轮选择法可用下面的子过程来模拟：

    ① 在[0,1]区间内产生一个均匀分布的伪随机数r；

    ② 若r≤q1，则染色体x1被选中；

    ③ 若qk-1<r≤qk (2≤k≤N)，则染色体xk被选中。

     其中的qi称为染色体xi（i=1, 2, …, n）的积累概率，其计算公式为

代码

#include <bits/stdc++.h>
using namespace std;
const int maxn = 4; // 种群数量
const int bit = 5;
const int iteration = 20; // 迭代次数

const double pc = 0.4;  // 交叉概率
const double pm = 0.02; // 变异概率

int jubu_best = 0;   // 局部
int quanju_best = 0; // 全局
int best_index = 0;

// 种群
typedef struct population
{
    int bin[5];
    int num;
    int fit;
    double p;
    double q;
} pop;

// 编码 二进制->十进制
void conversion2_10(pop p[])
{
    for (int i = 0; i < maxn; i++)
    {
        int k = 1, base = 2, sum = 0;
        for (int j = 4; j >= 0; i--)
        {
            sum += k * p[i].bin[j];
            k *= base;
        }
        p[i].num = sum;
    }
}

// 解码 十进制->二进制
void conversion10_2(int n, int arr[])
{
    for (int i = 0; i < 5; i++)
        arr[i] = 0;
    int j = 4;
    while (n)
    {
        arr[j--] = n % 2;
        n /= 2;
    }
}

// 计算基因的适应度
void fitness(pop p[])
{
    for (int i = 0; i < maxn; i++)
    {
        p[i].fit = p[i].num * p[i].num;
    }
    cout << "适应度分别为：" << endl;
    for (int i = 0; i < maxn; i++)
        cout << p[i].fit << " ";
    cout << endl;
}

void Init_pop(pop a[])
{
    for (int i = 0; i < maxn; i++)
    {
        int num = rand() % 32;
        a[i].num = num;
        conversion10_2(num, a[i].bin);
    }
    cout << "种群初始化为：" << endl;
    for (int i = 0; i < maxn; i++)
        cout << a[i].num << " ";
    cout << endl;
    fitness(a);
}

// 选择 ，使用轮盘赌选择法
void Select(pop p[])
{
    // 适应度
    fitness(p);
    int sum_fit = 0;
    double sumq = 0;
    for (int i = 0; i < maxn; i++)
        sum_fit += p[i].fit;
    cout << "sum_fit:" << sum_fit << endl;
    for (int i = 0; i < maxn; i++)
    {
        p[i].p = (double)p[i].fit / sum_fit;
        sumq += p[i].p;
        p[i].q = sumq;
    }
    cout << "概率计算:" << endl;
    cout << "p:--------" << endl;
    for (int i = 0; i < maxn; i++)
    {
        cout << p[i].p << " ";
    }
    cout << endl;
    cout << "q:--------" << endl;
    for (int i = 0; i < maxn; i++)
        cout << p[i].q << " ";
    cout << endl;
    pop temp[maxn];
    for (int i = 0; i < maxn; i++)
    {
        double a = (double)(rand() % 1001) * 0.001;
        cout << "a:" << a << endl;
        int j;
        if (a < p[0].q)
        {
            temp[i] = p[0];
        }
        else
        {
            for (j = 1; j < maxn; j++)
            {
                if (a > p[j - 1].q && p[j].q)
                    break;
            }
            temp[i] = p[j];
        }
    }
    for (int i = 0; i < maxn; i++)
        p[i] = temp[i];
    cout << "选择后种群为：" << endl;
    for (int i = 0; i < maxn; i++)
        cout << p[i].num << " ";
    cout << endl;
}
// 交叉
void Crossover(pop p[])
{
    for (int i = 0; i < maxn; i++)
        conversion10_2(p[i].num, p[i].bin);
    cout << "交叉前：--------" << endl;
    for (int i = 0; i < maxn; i++)
    {
        for (int j = 0; j < 5; j++)
            cout << p[i].bin[j] << " ";
        cout << endl;
    }
    int n = (int)(10 * pc);
    for (int i = 0; i < n; i++)
    {
        int a = 0, b = 0;
        while (a == b)
        {
            a = rand() % maxn;
            b = rand() % maxn;
        }
        int count = rand() % bit;
        for (int j = 0; j < count; j++)
        {
            int t = p[a].bin[j];
            p[a].bin[j] = p[b].bin[j];
            p[b].bin[j] = t;
        }
    }
    cout << "交叉后：--------" << endl;
    for (int i = 0; i < maxn; i++)
    {
        for (int j = 0; j < 5; j++)
            cout << p[i].bin[j] << " ";
        cout << endl;
    }
}
// 变异
void Mutation(pop p[])
{
    cout << "变异前：--------" << endl;
    for (int i = 0; i < maxn; i++)
    {
        for (int j = 0; j < 5; j++)
            cout << p[i].bin[j] << " ";
        cout << endl;
    }
    int n = 100 * pm;
    for (int i = 0; i < n; i++)
    {
        int index = rand() % maxn;
        int bitt = rand() % bit;
        if (p[index].bin[bitt] == 0)
            p[index].bin[bitt] = 1;
        else
            p[index].bin[bitt] = 0;
    }
    cout << "变异后：--------" << endl;
    for (int i = 0; i < maxn; i++)
    {
        for (int j = 0; j < 5; j++)
            cout << p[i].bin[j] << " ";
        cout << endl;
    }
}
int main()
{
    // 初始化种群
    pop p[maxn];
    srand((unsigned)time(0));
    Init_pop(p);
    int cnt = 1;
    while (cnt <= iteration)
    {
        for (int i = 0; i < maxn; i++)
        {
            if (p[i].fit > jubu_best)
                jubu_best = p[i].fit;
        }
        cout<< "第" << cnt << "代最优解为："<<jubu_best << endl;
        if(jubu_best>quanju_best)
        {
            quanju_best = jubu_best;
            best_index = cnt;
        }
        cout<< "第" << cnt+1 << "代开始运算"<< endl;
        Select(p);
        Crossover(p);
        Mutation(p);
        conversion2_10(p);
        fitness(p);
        cout<<"新产生的子代为:"<<endl;
        for(int i=0;i<maxn;i++)
            cout<<p[i].num<<" ";
        cout<<endl;
        cnt++;
    }
    cout<<"全局最优解为："<<quanju_best<<",在第 "<<best_index<<"代！"<<endl;
    return 0;
}

实验结论