srand((double)microtime()*1000000)

分为4个步骤1:执行microtime(),获取当前的微秒数
2:把获取的微秒数转换为double类型
3:再用转换后的数字去乘以1000000
4:给随机数发生器播种,播种数为第三步得出的结果
rand为生成0到RAND_MAX 之间的伪随机整数,RAND_MAX的值因平台不同而不同
srand() 函数作用是播下随机数发生器种子

原文转自:http://wenwen.sogou.com/z/q308881669.htm

转载于:https://www.cnblogs.com/adstat/p/3851097.html

#include <stdio.h> #include <stdlib.h> #include <math.h> #include <time.h> #define NP 10000 // 种群规模 #define F 0.7 // 缩放因子 #define CR 0.5 // 交叉概率 #define MAX_GENERATION 1000 // 最大迭代次数 #define EPSILON 1e-6 // 收敛精度 double randDouble(double a, double b) { return a + (b - a) * rand() / (RAND_MAX + 1.0); } double z(double x, double y) { return -20 * exp(-0.2 * sqrt(0.5 * (x * x + y * y))) - exp(0.5 * (cos(2 * M_PI * x) + cos(2 * M_PI * y))) + exp(1); } //初始化种群 void init(double (*pop)[2]) { for (int i = 0; i < NP; ++i) { pop[i][0] = randDouble(-5, 5); pop[i][1] = randDouble(-5, 5); } } //变异 void mutate(double (*pop)[2], int r, double (*trial)[2]) { int a, b, c; do { a = rand() % NP; } while (a == r); do { b = rand() % NP; } while (b == r || b == a); do { c = rand() % NP; } while (c == r || c == a || c == b); for (int j = 0; j < 2; ++j) { trial[r][j] = pop[a][j] + F * (pop[b][j] - pop[c][j]); } } //交叉 void crossover(double (*pop)[2], int r, double (*trial)[2]) { int j_rand = rand() % 2; for (int j = 0; j < 2; ++j) { if (randDouble(0, 1) < CR || j == j_rand) { trial[r][j] = pop[r][j]; } } } //选择 void select(double (*pop)[2], double (*trial)[2]) { for (int i = 0; i < NP; ++i) { double f = z(trial[i][0], trial[i][1]); double f_old = z(pop[i][0], pop[i][1]); if (f < f_old) { pop[i][0] = trial[i][0]; pop[i][1] = trial[i][1]; } } } int main() { srand(time(NULL)); //二维 double pop[NP][2]; double trial[NP][2]; init(pop); for (int gen = 0; gen < MAX_GENERATION; ++gen) { for (int i = 0; i < NP; ++i) { mutate(pop, i, trial); crossover(pop, i, trial); } select(pop, trial); double f_best = z(pop[0][0], pop[0][1]); for (int i = 1; i < NP; ++i) { double f = z(pop[i][0], pop[i][1]); if (f < f_best) { f_best = f; } } printf("generation: %d, best: %.6f\n", gen, f_best); } }详细解释这段代码
最新发布
05-31
这段代码实现了查分进化算法来求解函数z(i,j)的最小值。下面逐行进行解释: ```c #include <stdio.h> #include <stdlib.h> #include <math.h> #include <time.h> #define NP 10000 // 种群规模 #define F 0.7 // 缩放因子 #define CR 0.5 // 交叉概率 #define MAX_GENERATION 1000 // 最大迭代次数 #define EPSILON 1e-6 // 收敛精度 ``` 定义了常量NP表示种群规模,F表示缩放因子,CR表示交叉概率,MAX_GENERATION表示最大迭代次数,EPSILON表示收敛精度。 ```c double randDouble(double a, double b) { return a + (b - a) * rand() / (RAND_MAX + 1.0); } ``` 定义了一个函数randDouble,用于生成[a,b]范围内的随机实数。 ```c double z(double x, double y) { return -20 * exp(-0.2 * sqrt(0.5 * (x * x + y * y))) - exp(0.5 * (cos(2 * M_PI * x) + cos(2 * M_PI * y))) + exp(1); } ``` 定义了目标函数z(i,j),这里使用了数学库中的exp函数和cos函数。 ```c void init(double (*pop)[2]) { for (int i = 0; i < NP; ++i) { pop[i][0] = randDouble(-5, 5); pop[i][1] = randDouble(-5, 5); } } ``` 定义了一个初始化函数init,用于随机生成种群中每个个体的x和y取值。 ```c void mutate(double (*pop)[2], int r, double (*trial)[2]) { int a, b, c; do { a = rand() % NP; } while (a == r); do { b = rand() % NP; } while (b == r || b == a); do { c = rand() % NP; } while (c == r || c == a || c == b); for (int j = 0; j < 2; ++j) { trial[r][j] = pop[a][j] + F * (pop[b][j] - pop[c][j]); } } ``` 定义了一个变异函数mutate,用于对个体进行变异操作。在变异操作中,随机选择三个不同的个体a、b、c,然后通过公式trial[r][j] = pop[a][j] + F * (pop[b][j] - pop[c][j]) 计算出个体r的新取值trial[r][j]。 ```c void crossover(double (*pop)[2], int r, double (*trial)[2]) { int j_rand = rand() % 2; for (int j = 0; j < 2; ++j) { if (randDouble(0, 1) < CR || j == j_rand) { trial[r][j] = pop[r][j]; } } } ``` 定义了一个交叉函数crossover,用于对个体进行交叉操作。在交叉操作中,随机选择一个维度j_rand,然后对于每个维度j,以交叉概率CR的概率将个体的该维度值替换为新个体的该维度值。 ```c void select(double (*pop)[2], double (*trial)[2]) { for (int i = 0; i < NP; ++i) { double f = z(trial[i][0], trial[i][1]); double f_old = z(pop[i][0], pop[i][1]); if (f < f_old) { pop[i][0] = trial[i][0]; pop[i][1] = trial[i][1]; } } } ``` 定义了一个选择函数select,用于根据变异和交叉后的结果,更新种群中每个个体的x和y取值。具体地,对于每个个体i,如果变异后的新个体的适应度值f小于原个体的适应度值f_old,则将该新个体的x和y取值替换原个体的x和y取值。 ```c int main() { srand(time(NULL)); double pop[NP][2]; double trial[NP][2]; init(pop); for (int gen = 0; gen < MAX_GENERATION; ++gen) { for (int i = 0; i < NP; ++i) { mutate(pop, i, trial); crossover(pop, i, trial); } select(pop, trial); double f_best = z(pop[0][0], pop[0][1]); for (int i = 1; i < NP; ++i) { double f = z(pop[i][0], pop[i][1]); if (f < f_best) { f_best = f; } } printf("generation: %d, best: %.6f\n", gen, f_best); } } ``` 在main函数中,首先使用srand函数初始化随机种子。然后定义了两个二维数组pop和trial,分别表示种群和变异后的种群。接着调用init函数初始化种群。 在进入迭代循环之后,对于每个个体i,先通过mutate函数进行变异操作,然后通过crossover函数进行交叉操作。接着调用select函数选择优秀个体。 在每次迭代之后,通过遍历种群中每个个体,计算出当前最优个体的适应度值f_best,并输出当前迭代次数gen和当前最优适应度值f_best。当达到最大迭代次数MAX_GENERATION时,停止迭代,并输出最终结果。 总之,这段代码实现了查分进化算法来求解函数z(i,j)的最小值。经过不断迭代,可以找到函数z(i,j)的最小值。
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