用遗传算法走出迷宫（Java版）

在百度文库上看到一篇文章《遗传算法及神经网络在游戏开发中的应用》，里面讲到了用遗传算法走迷宫的小游戏，我自己编程实现了一下，并用SWT把游戏的界面做出来了。

算法我就不多说了，上述文章里面讲得很清楚。直接看我做的小软件吧。

刚开始初始化一个迷宫，一般是走不通的，但你点击一个格子它就会变色，由路变为墙，或由墙变为路。

点击“Run"之后，遗传算法在后台运行，把出路给你找出来，然后在迷宫上把路径标出来。

点击"Evolution Chart"查看进入情况，即每一代中最优的个体的适应度是多少。

点击"Options"对遗传算法的参数进行重新设置。

换用更大规模的迷宫进行实验。

FAIL了，查看一下进化情况。

当然也有可能成功

对于遗传找出的结果如果存在原路返回的情况，我的代码可以检测出来，将这段路径剪去。但是如果出现绕圈子的情况检测不出来，比如下面的结果明显就是绕圈子了

下面给出核心算法GA类：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333

package  GA;   import  java.util.ArrayList; import  java.util.Collections; import  java.util.Iterator; import  java.util.LinkedList; import  java.util.List; import  java.util.Random;   /**   * 用遗传算法走迷宫   *   * @author Orisun   *   */ public  class  GA {        int  gene_len; // 基因长度      int  chrom_len; // 染色体长度      int  population; // 种群大小      double  cross_ratio; // 交叉率      double  muta_ratio; // 变异率      int  iter_limit; // 最多进化的代数      List< boolean []> individuals; // 存储当代种群的染色体        Labyrinth labyrinth;      int  width;      //迷宫一行有多少个格子      int  height;     //迷宫有多少行        public  class  BI {          double  fitness;          boolean [] indv;            public  BI( double  f, boolean [] ind) {              fitness = f;              indv = ind;          }            public  double  getFitness() {              return  fitness;          }            public  boolean [] getIndv() {              return  indv;          }      }        List<BI> best_individual; // 存储每一代中最优秀的个体        public  GA(Labyrinth labyrinth) {          this .labyrinth=labyrinth;            this .width = labyrinth.map[ 0 ].length;          this .height = labyrinth.map.length;          chrom_len = 4  * (width+height);          gene_len = 2 ;          population = 20 ;          cross_ratio = 0.83 ;          muta_ratio = 0.002 ;          iter_limit = 300 ;          individuals = new  ArrayList< boolean []>(population);          best_individual = new  ArrayList<BI>(iter_limit);      }        public  int  getWidth() {          return  width;      }        public  void  setWidth( int  width) {          this .width = width;      }        public  double  getCross_ratio() {          return  cross_ratio;      }        public  List<BI> getBest_individual() {          return  best_individual;      }        public  Labyrinth getLabyrinth() {          return  labyrinth;      }      public  void  setLabyrinth(Labyrinth labyrinth) {          this .labyrinth = labyrinth;      }      public  void  setChrom_len( int  chrom_len) {          this .chrom_len = chrom_len;      }        public  void  setPopulation( int  population) {          this .population = population;      }        public  void  setCross_ratio( double  cross_ratio) {          this .cross_ratio = cross_ratio;      }        public  void  setMuta_ratio( double  muta_ratio) {          this .muta_ratio = muta_ratio;      }        public  void  setIter_limit( int  iter_limit) {          this .iter_limit = iter_limit;      }        // 初始化种群      public  void  initPopulation() {          Random r = new  Random(System.currentTimeMillis());          for  ( int  i = 0 ; i < population; i++) {              int  len = gene_len * chrom_len;              boolean [] ind = new  boolean [len];              for  ( int  j = 0 ; j < len; j++)                  ind[j] = r.nextBoolean();              individuals.add(ind);          }      }        // 交叉      public  void  cross( boolean [] arr1, boolean [] arr2) {          Random r = new  Random(System.currentTimeMillis());          int  length = arr1.length;          int  slice = 0 ;          do  {              slice = r.nextInt(length);          } while  (slice == 0 );          if  (slice < length / 2 ) {              for  ( int  i = 0 ; i < slice; i++) {                  boolean  tmp = arr1[i];                  arr1[i] = arr2[i];                  arr2[i] = tmp;              }          } else  {              for  ( int  i = slice; i < length; i++) {                  boolean  tmp = arr1[i];                  arr1[i] = arr2[i];                  arr2[i] = tmp;              }          }      }        // 变异      public  void  mutation( boolean [] individual) {          int  length = individual.length;          Random r = new  Random(System.currentTimeMillis());          individual[r.nextInt(length)] ^= false ;      }        // 轮盘法选择下一代,并返回当代最高的适应度值      public  double  selection() {          boolean [][] next_generation = new  boolean [population][]; // 下一代          int  length = gene_len * chrom_len;          for  ( int  i = 0 ; i < population; i++)              next_generation[i] = new  boolean [length];          double [] cumulation = new  double [population];          int  best_index = 0 ;          double  max_fitness = getFitness(individuals.get(best_index));          cumulation[ 0 ] = max_fitness;          for  ( int  i = 1 ; i < population; i++) {              double  fit = getFitness(individuals.get(i));              cumulation[i] = cumulation[i - 1 ] + fit;              // 寻找当代的最优个体              if  (fit > max_fitness) {                  best_index = i;                  max_fitness = fit;              }          }          Random rand = new  Random(System.currentTimeMillis());          for  ( int  i = 0 ; i < population; i++)              next_generation[i] = individuals.get(findByHalf(cumulation,                      rand.nextDouble() * cumulation[population - 1 ]));          // 把当代的最优个体及其适应度放到best_individual中          BI bi = new  BI(max_fitness, individuals.get(best_index));          // printPath(individuals.get(best_index));          //System.out.println(max_fitness);          best_individual.add(bi);          // 新一代作为当前代          for  ( int  i = 0 ; i < population; i++)              individuals.set(i, next_generation[i]);          return  max_fitness;      }        // 折半查找      public  int  findByHalf( double [] arr, double  find) {          if  (find < 0  || find == 0  || find > arr[arr.length - 1 ])              return  - 1 ;          int  min = 0 ;          int  max = arr.length - 1 ;          int  medium = min;          do  {              if  (medium == (min + max) / 2 )                  break ;              medium = (min + max) / 2 ;              if  (arr[medium] < find)                  min = medium;              else  if  (arr[medium] > find)                  max = medium;              else                  return  medium;            } while  (min < max);          return  max;      }        // 计算适应度      public  double  getFitness( boolean [] individual) {          int  length = individual.length;          // 记录当前的位置,入口点是（1,0）          int  x = 1 ;          int  y = 0 ;          // 根据染色体中基因的指导向前走          for  ( int  i = 0 ; i < length; i++) {              boolean  b1 = individual[i];              boolean  b2 = individual[++i];              // 00向左走              if  (b1 == false  && b2 == false ) {                  if  (x > 0  && labyrinth.map[y][x - 1 ] == true ) {                      x--;                  }              }              // 01向右走              else  if  (b1 == false  && b2 == true ) {                  if  (x + 1  < width && labyrinth.map[y][x + 1 ] == true ) {                      x++;                  }              }              // 10向上走              else  if  (b1 == true  && b2 == false ) {                  if  (y > 0  && labyrinth.map[y - 1 ][x] == true ) {                      y--;                  }              }              // 11向下走              else  if  (b1 == true  && b2 == true ) {                  if  (y + 1  < height && labyrinth.map[y + 1 ][x] == true ) {                      y++;                  }              }          }          int  n = Math.abs(x - labyrinth.x_end) + Math.abs(y -labyrinth.y_end) + 1 ; //      if(n==1) //          printPath(individual);          return  1.0  / n;      }        // 运行遗传算法      public  boolean  run() {          // 初始化种群          initPopulation();          Random rand = new  Random(System.currentTimeMillis());          boolean  success = false ;          while  (iter_limit-- > 0 ) {              // 打乱种群的顺序              Collections.shuffle(individuals);              for  ( int  i = 0 ; i < population - 1 ; i += 2 ) {                  // 交叉                  if  (rand.nextDouble() < cross_ratio) {                      cross(individuals.get(i), individuals.get(i + 1 ));                  }                  // 变异                  if  (rand.nextDouble() < muta_ratio) {                      mutation(individuals.get(i));                  }              }              // 种群更替              if  (selection() == 1 ) {                  success = true ;                  break ;              }          }          return  success;      }   //  public static void main(String[] args) { //      GA ga = new GA(8, 8); //      if (!ga.run()) { //          System.out.println("没有找到走出迷宫的路径."); //      } else { //          int gen = ga.best_individual.size(); //          boolean[] individual = ga.best_individual.get(gen - 1).indv; //          System.out.println(ga.getPath(individual)); //      } //  }        // 根据染色体打印走法      public  String getPath( boolean [] individual) {          int  length = individual.length;          int  x = 1 ;          int  y = 0 ;          LinkedList<String> stack= new  LinkedList<String>();          for  ( int  i = 0 ; i < length; i++) {              boolean  b1 = individual[i];              boolean  b2 = individual[++i];              if  (b1 == false  && b2 == false ) {                  if  (x > 0  && labyrinth.map[y][x - 1 ] == true ) {                      x--;                      if (!stack.isEmpty() && stack.peek()== "右" )                          stack.poll();                      else                          stack.push( "左" );                  }              } else  if  (b1 == false  && b2 == true ) {                  if  (x + 1  < width && labyrinth.map[y][x + 1 ] == true ) {                      x++;                      if (!stack.isEmpty() && stack.peek()== "左" )                          stack.poll();                      else                          stack.push( "右" );                  }              } else  if  (b1 == true  && b2 == false ) {                  if  (y > 0  && labyrinth.map[y - 1 ][x] == true ) {                      y--;                      if (!stack.isEmpty() && stack.peek()== "下" )                          stack.poll();                      else                          stack.push( "上" );                  }              } else  if  (b1 == true  && b2 == true ) {                  if  (y + 1  < height && labyrinth.map[y + 1 ][x] == true ) {                      y++;                      if (!stack.isEmpty() && stack.peek()== "上" )                          stack.poll();                      else                          stack.push( "下" );                  }              }          }          StringBuilder sb= new  StringBuilder(length/ 4 );          Iterator<String> iter=stack.descendingIterator();          while (iter.hasNext())              sb.append(iter.next());          return  sb.toString();      } }

　　

原文来自:博客园（华夏35度）http://www.cnblogs.com/zhangchaoyang 作者:Orisun