遗传算法C语言实现以及思路详解简单易懂

---

前言

前几天刚用python实现了遗传算法用于求解函数最值，详见遗传算法详解python代码实现以及实例分析然后我又用c语言写了一遍，因为当时老师说只能用c语言，但是他发的实验报告里又说能用python、matlab了，挺奇怪的，没事，写都写完了，分享一下吧。

首先讲一下用c语言和python写这题的一些区别，由于c语言相对于python来说比较底层，所以涉及到的复杂的操作会比较少，但是由于c比python快不止一倍两倍，基本就不用咋考虑性能了，怎么好理解我就怎么写了。

python用一个numpy矩阵就可以表示一个种群了，c语言我是用一个animal结构体数组来表示种群；
python在进行优胜劣汰的时候，是根据适应度转换为对应被抽取的概率然后用numpy.random.choice根据概率进行对应抽取形成新的种群，而c语言里我是通过计算出适应度概率之后计算ceil(适应度概率 * 种群数量)，然后以此作为此animal被留下的数量。
主要是一些细节的不同，整体思路是完全一致的。

---

实例代码解释

1.初始化参数以及变量设置

#include<bits/stdc++.h>
using namespace std;
# define Int_bit 3  // 整数占的bit位
# define DNA_bit  16 // 一个DNA的二进制位数,(第一维表示符号位)
# define DNA_num 2  // DNA的个数
# define animal_num 200 // 开始种群的数量 
# define cross_rate 0.8 // 生殖交叉概率
# define variation_rate 0.005  // 变异的概率
# define generator_n 100 // 种群演变的次数
int limit_area[2] = {
   
   0, 10}; // 值域

struct animals{
   
   //存储x, y两个二进制表示 
	int DNA[DNA_bit * DNA_num];
}animal[animal_num], selected_animal[animal_num];


struct DNA_results{
   
   //二进制转化为十进制的结果存储 
	double translated_result[DNA_num];
}DNA_result[animal_num]; 

struct fitnesses{
   
   //每个animal的适应度计算 
	double p;
	int id;
}fitness[animal_num];

参数设置和python那篇是一样的。

2.定义环境（定义目标函数）

double f(double x, double y){
   
    
	return (6.452 * (x+0.125*y) * pow(cos(x)-cos(2*y), 2)) / (pow(0.8+pow(x-4.2, 2) + 2*pow(y-7, 2), 0.5))+ 3.226*y;
}

3.DNA解码（计算x，y）

void DNA2to10(int n){
   
   //将二进制解码为十进制 
	for(int i=0; i<DNA_num; i++){
   
   
		double sum = 0;
		int base = i * DNA_bit;
		double sign = animal[n].DNA[base];
		double flag;
		if(sign == 0)flag = -1;
		else flag = 1;
		for(int j=base+1; j<=base+Int_bit; j++){
   
   
			if(animal[n].DNA[j] == 1)sum += pow(2, Int_bit+base-j);
		}
		for(int j=base+Int_bit+1; j<DNA_bit+base; j++){
   
   
			if(animal[n].DNA[j] == 1)sum += pow(2, Int_bit+base-j);
		}
		DNA_result[n].translated_result[i] = sum * flag;
	}
}

4.初始化种群（初始化解，考虑定义域）

srand((unsigned)time(NULL));//时间随机 
	for(int i=0; i<animal_num; i++){
   
   //初始化种群 
		for(int j=0; j<DNA_bit * DNA_num; j++){
   
   
			animal[i].DNA[j] = rand()%2;
		}
	}
	for(int i=0; i<animal_num; i++){
   
   //如果有不符合定义域的就再生成一遍 
		for(int j=0; j<DNA_bit * DNA_num; j++){
   
   
			animal[i].DNA[j] = rand()%2;
		}
		if(flag_limit_area(limit_area, i) != 1)i-=1;
	}

5.计算适应度（计算误差，考虑定义域）

//适应度排序的方法（带着id然后按适应度排序
int cmp