GA遗传算法实现记录 C++版本解决多元函数最值问题

努力的耿耿

已于 2022-03-22 10:24:28 修改

阅读量1.7k

点赞数 6

分类专栏：实操经验记录文章标签： c++ 算法

于 2022-03-18 00:19:02 首次发布

本文链接：https://blog.csdn.net/weixin_52093215/article/details/123563929

版权

前言：

本文记录了自己在智能算法课程作业的实现代码设计，简单实现了遗传算法，所有代码为自己梳理了算法流程之后原创实现的！！！仅供参考，如果觉得有任何问题可以留言讨论~
别人的代码可以参考一些关键环节的实现，但是整体的框架设计以及具体实现还是要自己动手完成才有意义！！

另附
在查资料阶段参考的比较好的相关博客文章分享如下：
算法流程理解
 c++实现参考
 C++实现参考2

问题描述：

在这里插入图片描述

遗传算法实现流程

在这里插入图片描述

一、程序设计

1、辅助类设计

A)个体类
通过类成员函数以及构造函数,实现个体的编码与适应值计算等

class Individual {
   
public:
	double x;
	double y;
	vector<int>code;
	double fitness;
	double FitRatio;

	void init() {
   
				
		for (int i = 0; i < Len; i++) {
   
			double r = rand();
			int x = (r < RAND_MAX / 2) ? 0 : 1;
			code.push_back(x);
		}
	}
	double GetFitness() {
   
		return fitness = f(x, y);
	}
	void decode() {
   
		double ansX = 0, ansY = 0;
		for (int i = 0; i < LenX1; i++)
			ansX = ansX * 2 + code[i];
		for (int i = LenX1; i < Len; i++)
			ansY = ansY * 2 + code[i];
		
		x = xl + (xr - xl) * ansX / (pow(2, LenX1) - 1);
		y = yl + (yr - yl) * ansY / (pow(2, LenX2) - 1);

	}
	Individual() {
   
		init();
		decode();
		GetFitness();
		FitRatio = 0;
	}
};

B) 种群类
通过类成员函数以及将个体类对象作为成员,实现种群的初始化,以及选择交叉变异等一系列操作等

class Group {
   
public:
	vector<Individual*>Current;
	vector<Individual*>Next;
	int CBestNo;
	double CBestVal;	int NBestNo;
	double NBestVal;
	Group() {
   
		CBestNo = -1;
		NBestNo = -1;
		NBestVal = -100;
		CBestVal = -100;

		double sum = 0; CBestVal = -100;
		for (int i = 0; i < N; i++) {
   
			Individual* p = new Individual();
			double tem = p->fitness;
			sum += tem;
			if (tem > CBestVal) {
   
				CBestNo = i; CBestVal = tem;
			}
			Current.push_back(p);
		}
		for (int i = 0; i < N; i++)
			Current[i]->FitRatio = Current[i]->fitness / sum;
	}
	void Selection() {
   
		for (int i = 0; i < N; i++) {
   
			int n = 0;
			double pos = ran(seed);
			double CheckPos = 0;
			while (1) {
   
				CheckPos += Current[n]->FitRatio;
				if (CheckPos >= pos)break;
				n++;
			}
			Next.push_back(Current[n]);
		}
	}
	void Cross() {
   
		vector<Individual*>Participants;
		for (int i = 0; i < N; i++) {
   
			if (ran(seed) < Pcross)Participants.push_back(Next[i]);
		}
		int num = Participants.size();
				for (int i = 1; i < num; i += 2) {
   

						int dot = (rand() / RAND_MAX) *Len;
			int tem;
			for (int j = 0; j < dot; j++) {
   
				tem = Participants[i - 1]->code[j];
				Participants[i - 1]->code[j] = Participants[i]->code[j];
				Participants[i]->code[j] = tem;
			}
		}
	}
	void Mutate<