人工智能遺傳算法試驗報告

1、人工智能實驗報告學號：姓名：實驗名稱：遺傳算法實驗日期：2016.1.5實驗名稱遺傳算法【實驗?zāi)康摹空莆者z傳算法的基本原理，熟悉遺傳算法的運行機制，學會用遺傳算法來求解問題?！緦嶒炘怼窟z傳算法(GeneticAlgorithm)是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優(yōu)解的方法。遺傳算法是從代表問題可能潛在的解集的一個種群開始的，而一個種群則由經(jīng)過基因編碼的一定數(shù)目的個體組成。每個個體實際上是染色體帶有特征的實體。在一開始需要實現(xiàn)從表現(xiàn)型到基因型的映射即編碼工作。由于仿照基因編碼的工作很復雜，我們往往進行簡化，如二進制編碼，初代種

2、群產(chǎn)生之后，按照適者生存和優(yōu)勝劣汰的原理，逐代演化產(chǎn)生出越來越好的近似解，在每一代，根據(jù)問題域中個體的適應(yīng)度大小選擇個體，并借助于自然遺傳學的遺傳算子進行組合交叉和變異，產(chǎn)生出代表新的解集的種群。這個過程將導致種群像自然進化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼，可以作為問題近似最優(yōu)解。遺傳算法程度流程圖為：【實驗內(nèi)容】題目：已知f(x)=x*sin(x)+1,xw0,2力求f(x)的最大值和最小值。數(shù)據(jù)結(jié)構(gòu)：structpoptype(doublegenelength;/染色體doublerealnumber;/對應(yīng)的實數(shù)xdoublefitness;/適應(yīng)度do

3、ublerfitness;/相對適應(yīng)度doublecfitness;/累計適應(yīng)度;structpoptypepopulationpopsize+1;/最后一位存放max/minstructpoptypenewpopulationpopsize+1;/染色體編碼:xW0,2n,變量長度為2兀，取小數(shù)點后6位，由于222<2n*106<223;因此，染色體由23位字節(jié)的二進制矢量表示，則X與二進制串(<b22b21b°>)2之間的映射如下：/4產(chǎn)i%2n(b22b21b0)bi*2=x'x=x'*3-Iiz0J102-1適應(yīng)度函數(shù)：由于要求f(x)

4、的最值，所以適應(yīng)度函數(shù)即可為f(x)。但為了確保在輪賭法選擇過中，每個個體都有被選中的可能性，因此需要將所有適應(yīng)度調(diào)整為大于0的值。因此，設(shè)計求最大值的適應(yīng)度函數(shù)如下：evalmax=f(x)5=xsinx6;將最小問題轉(zhuǎn)化為求-f(x)的最大值，同理，設(shè)計最小值的適應(yīng)度函數(shù)如下：evalmin=-f(x)5=-xsinx4;種群大小：本實驗?zāi)J為50,再進行種群初始化。實驗參數(shù)：主要有迭代數(shù)，交叉概率，變異概率這三個參數(shù)。一般交叉概率在0.6-0.9范圍內(nèi),變異概率在0.01-0.1范圍內(nèi)?？梢酝ㄟ^手動輸入進行調(diào)試。種群初始化主要代碼如下:voidinitialize。"(sran

5、d(time(NULL);inti,j;for(i=0;i<popsize;i+)for(j=0;j<23;j+)populationi.genej=rand()%2;voidtransform。/染色體轉(zhuǎn)化為實數(shù)xinti,j;for(i=0;i<=popsize+1;i+)populationi.realnumber=0;for(j=0;j<23;j+)populationi.realnumber+=populationi.genej*pow(2,j);populationi.realnumber=populationi.realnumber*2*pi/(pow(2

6、,23)-1);voidcal_fitness()/計算適應(yīng)度inti;for(i=0;i<popsize;i+)populationi.fitness=populationi.realnumber*sin(populationi.realnumber)+6;voidselect()/選擇操作intmem,i,j,k;doublesum=0;doublep;for(mem=0;mem<popsize;mem+)sum+=populationmem.fitness;for(mem=0;mem<popsize;mem+)populationmem.rfitness=populat

7、ionmem.fitness/sum;population0.cfitness=population0.rfitness;for(mem=1;mem<popsize;mem+)populationmem.cfitness=populationmem-1.cfitness+populationmem.rfitness;for(i=0;i<popsize;i+)/輪賭法選擇機制p=rand()%1000/1000.0;if(p<population0.cfitness)newpopulationi=population0;elsefor(j=0;j<popsize;j+)i

8、f(p>=populationj.cfitness&&p<populationj+1.cfitness)newpopulationi=populationj+1;for(i=0;i<popsize;i+)/復制給下一代populationi=newpopulationi;)voidcross()/交叉操作inti,mem,one;intfirst=0;doublex;for(mem=0;mem<popsize;mem+)x=rand()%1000/1000.0;if(x<pcross)+first;if(first%2=0)Xover(one,me

9、m);/個體間染色體進行交叉函數(shù)elseone=mem;)voidmutate()/變異操作inti,j,t;doublex;for(i=0;i<popsize;i+)for(j=0;j<length;j+)x=rand()%1000/1000.0;if(x<pvariation)if(populationi.genej)populationi.genej=0;elsepopulationi.genej=1;)voidcal_max()/計算最大值inti;doublemax,sum=0;intmax_m;max=population0.fitness;for(i=0;i&l

10、t;popsize-1;i+)if(populationi.fitness>populationi+1.fitness)if(populationi.fitness>=max)max=populationi.fitness;max_m=i;)elseif(populationi+1.fitness>=max)(max=populationi+1.fitness;max_m=i+1;)if(max>populationpopsize.fitness)(iteration=0;for(i=0;i<length;i+)populationpopsize.genei=po

11、pulationmax_m.genei;populationpopsize.fitness=populationmax_m.fitness;)for(i=0;i<length;i+)sum=populationpopsize.genei-populationmax_m.genei;if(sum=0)iteration+;transform();printf("%f,%f,%f,%fn",populationpopsize.fitness,populationpopsize+1.fitness,populationpopsize.realnumber,populatio

12、npopsize+1.realnumber);)【實驗結(jié)果】第9s俏:最大值曠：2.81907S-x=：2.007108010001110001101110010呼號61弋二最大值y=：2.819075,x-：2J007108染色林：01010001110001101110010第97代工最大值819610.x=：2J020339第最大值產(chǎn)二：281y610Ax=：2,020339fefl；：01010010010100001110011第99件二最大值*二2.&1”1呢x-：2-B20339染色林：01010010010100001110011S1眄代:最大值9=二普.81961團，x=：2.020339求取大值/取小值”射：S95代:最小值y=：-3814440，x=：491314011001000001011011110011R96代:最小值y=：-3814470x=：4913140=11001000001011011110011第971弋:最'值y=：-3814470，x=：4913140染色飪工10010