python遗传算法路径规划失败_Python使用遗传算法解决最大流问题

本文为大家分享了Python遗传算法解决最大流问题，供大家参考，具体内容如下

Generate_matrix

def Generate_matrix(x,y):

import numpy as np

import random

return np.ceil(np.array([random.random()*10 for i in range(x*y)]).reshape(x,y))

Max_road

def Max_road(A,degree,start):

import random

import numpy as np

import copy

def change(M,number,start): # number 控制变异程度 start 控制变异量

x , y = M.shape

for i in range(start,x):

Line = zip(range(len(M[i])),M[i])

index_0 = [t[0] for t in Line if t[1]==0] # 获取 0 所对应的下标

index_1 = [t[0] for t in Line if t[1]==1] # 获取 1 所对应的下标

M[i][random.sample(index_0,number)[0]]=1 # 随机改变序列中 number 个值 0->1

M[i][random.sample(index_1,number)[0]]=0 # 随机改变序列中 number 个值 1->0

return M

x,y = A.shape

n=x

generation = y

#初始化一个有 n 中情况的解决方案矩阵

init_solve = np.zeros([n,x+y-2])

init=[1]*(x-1)+[0]*(y-1)

for i in range(n) :

random.shuffle(init)

init_solve[i,:] = init # 1 表示向下走 0 表示向右走

solve = copy.copy(init_solve)

for loop in range(generation):

Sum = [A[0,0]]*n # 用于记录每一种方案的总流量

for i in range(n):

j=0;k=0;

for m in solve[i,:]:

if m==1:

k=k+1

else:

j=j+1

Sum[i] = Sum[i] + A[k,j]

Sum_index = zip(range(len(Sum)),Sum)

sort_sum_index = sorted(Sum_index,key = lambda d : d[1] , reverse =True) # 将 方案 按照流量总和排序

Max = sort_sum_index[0][1] # 最大流量

#print Max

solve_index_half = [a[0] for a in sort_sum_index[:n/2]] # 保留排序后方案的一半

solve = np.concatenate([solve[solve_index_half],solve[solve_index_half]]) # 将保留的一半方案 进行复制 ，复制部分用于变异

change(solve,int((x+y-2)*degree)+1 ,start) # 变异

return solve[0] , Max

Draw_road

def Draw_road(road,A):

import pylab as plt

import seaborn

seaborn.set()

x , y =A.shape

# 将下移和右移映射到绘图坐标上

Road = [(1,x)] # 初始坐标

j=1;k=x;

for m in road:

if m==1:

k=k-1

else:

j=j+1

Road.append((j,k))

# print Road

for i in range(len(road)):

plt.plot([Road[i][0],Road[i+1][0]],[Road[i][1],Road[i+1][1]])

实际运行的例子

In [119]: A = Generate_matrix(4,6)

In [120]: A

Out[120]:

array([[ 10., 1., 7., 10., 8., 8.],

[ 4., 8., 8., 4., 8., 2.],

[ 9., 8., 8., 3., 9., 8.],

[ 7., 2., 5., 9., 3., 8.]])

In [121]: road , M=Max_road(A,0.1,2)

In [122]: Draw_road(road,A)

较大规模的情况

In [105]: A = Generate_matrix(40,60)

In [106]: road , M=Max_road(A,0.1,4)

In [107]: road

Out[107]:

array([ 0., 0., 0., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0.,

1., 0., 0., 0., 1., 0., 0., 1., 0., 1., 1., 1., 1.,

1., 0., 0., 0., 0., 0., 1., 0., 0., 1., 0., 0., 0.,

1., 0., 0., 0., 1., 0., 1., 0., 0., 1., 0., 0., 1.,

0., 0., 0., 1., 0., 0., 1., 1., 1., 1., 0., 0., 0.,

0., 0., 0., 1., 0., 1., 1., 1., 1., 0., 1., 0., 1.,

1., 1., 0., 1., 0., 1., 0., 1., 0., 1., 0., 0., 1.,

0., 1., 0., 0., 1., 0., 1.])

In [108]: Draw_road(road,A)

In [109]: A = generate_Matrix(100,200)

In [110]: road , M=Max_road(A,0.1,10)

In [111]: draw_road(road,A)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

本文标题: Python使用遗传算法解决最大流问题

本文地址: http://www.cppcns.com/jiaoben/python/218963.html