遺傳算法實(shí)驗(yàn)報告

1、一、試驗(yàn)題目求解線性約束優(yōu)化問題的遺傳算法將物品由7個起運(yùn)站運(yùn)到7個目的地；由i站運(yùn)到j(luò)地的單位運(yùn)費(fèi)是Cj., /表示i站的供應(yīng)量，加表示j地的需求量，勺表示從i站到j(luò)地的運(yùn)量。 JJJ（i,八 1,2,，7） 約束條件：Minimize /(勺)subject toxn + xn + x13 + x14 + x15 + x16 + x17 =27 %2 + 超2 + 工23 + 工24 + 工25 + 工26 + /7 = 28 %31 + %32 + %33 + %34 + %35 + %36 + %37 = 25 工41 + 142 + 工43 + 144 + X45 + 工46 + 1

2、47 = 2。 %51 + %52 + %53 + %54 + %55 + %56 + *57 = 20 % + % + %63 + *64 + %65 + *66 + %67 = 20 171 + 172 + 工73 + 174 + 工75 + 176 + 177 = 20XH +%2I +%31 +4i+51 +41 +X71 -20 x12 + x22 + x32 + x42 + x52 + x62 + x72 = 20 %3 + *23 + %33 + %43 + ”53 + %63 + 473 : 20 x14 + x24 +x34 +x44 + x54 +x64 +x74 =23

3、%15 + %25 + %35 + %45 + %55 + %65 + %75 = 26 占6 +%26 +%36 +%46 +%56 +%66 +%76 = 25 x17 + x21 + x37 + x47 + x57 + x67 + x77 = 26 Xtj 0,/ = l,2,-,7, j = l,2,-7目標(biāo)函數(shù)為：f(Xg) + Pi，j(.、P7 7罰函數(shù)為：P = k-旺.T7z=l j=l其中，k=l, P=l/14, f為第t代群體的平均適應(yīng)度，T為最大運(yùn)行代數(shù)，d,為約束的違反度。費(fèi)用參數(shù)表如下:G27282520202020200215062937710002021017

4、546710004820501706098672523625460027100038269367982704742257710006710004703526100048253842350使用策略：通用遺傳算法模型、精英保存策略、輪盤賭法策略選擇個體交叉 和變異，對上述例子進(jìn)行了算法的測試，種群個體大小為40,迭代10000次， 得到比擬穩(wěn)定的結(jié)果。每次運(yùn)行的結(jié)果是得到一個相對穩(wěn)定的、代價小的目標(biāo)值。 試驗(yàn)結(jié)果：在當(dāng)前條件下，在初始種群的40個個體，經(jīng)過10000次迭代得到最 低運(yùn)費(fèi)為1279,并且程序?qū)掖芜\(yùn)行結(jié)果都穩(wěn)定在1300左右。二、試驗(yàn)環(huán)境操作系統(tǒng)：Microsoft Windows X

5、P Professional軟件：Microsoft Visual C+ 6. 0 三、試驗(yàn)設(shè)計(jì)原理.試驗(yàn)內(nèi)容分析本試驗(yàn)采納遺傳算法求解帶約束條件的函數(shù)優(yōu)化問題。.遺傳算法的思想生物的進(jìn)化是以集團(tuán)為主體的。與此相對應(yīng)，遺傳算法的運(yùn)算對象是由M個 個體所組成的集合，稱為群體。與生物一代一代的自然進(jìn)化過程相類似，遺傳算 法的運(yùn)算過程也是一個反復(fù)迭代過程，第t代群體極為P(t),進(jìn)過一代遺傳和 進(jìn)化后，得到第t + 1代群體，他們也是由多個個體組成的集合，記做P (t+l)o 這個群體不斷地經(jīng)過遺傳和進(jìn)化操作，并且每次都根據(jù)有優(yōu)勝劣汰的規(guī)章將適應(yīng) 度較高的個體更多地遺傳到下一代，這樣最終在群體中將會

6、得到一個優(yōu)良的個體X,它所對應(yīng)的表現(xiàn)性X將到達(dá)或接近于問題的最優(yōu)解X*。.算法實(shí)現(xiàn)步驟產(chǎn)生初始種群：產(chǎn)生初始種群的方法通常有兩種：一種是完全隨機(jī)的方法 產(chǎn)生的，適合于對問題的解無任何先驗(yàn)學(xué)問的狀況；另一種是將某些先驗(yàn)學(xué)問轉(zhuǎn) 變?yōu)楸匦铦M意的一組要求，然后在滿意這些要求的解中再隨機(jī)地選擇樣本，t=0, 隨機(jī)產(chǎn)生n個個體形成一個初始群體P (t),該群體代表優(yōu)化問題的一些可能解 的集合；適應(yīng)度評價函數(shù)：按編碼規(guī)章，將群體P (t)中的每一個個體的基因碼 所對應(yīng)的自變量取值代入目標(biāo)函數(shù)，算出其函數(shù)值F/i=l,2,n,匕越大，表示該個體有較高的適應(yīng)度，更適合于f所定義的生存環(huán)境，適應(yīng)度F,為群體進(jìn)化供

7、應(yīng)了依據(jù)；選擇：按肯定概率從群體P (t)中選出m個個體，作為雙親用于繁殖后 代，產(chǎn)生新的個體加入下一個群體P (t+1)中；交叉(重組)：對于選中的用于繁殖的每一個個體，選擇一種交叉方法， 產(chǎn)生新的個體；變異：以肯定的概率從群體p (t+1)中隨機(jī)選擇假設(shè)干個個體，對于選中的個體，進(jìn)行變異；對產(chǎn)生新一代的群體返回步驟再進(jìn)行評價，交叉、變異如此循環(huán)往復(fù)， 使群體中個體的適應(yīng)度和平均適應(yīng)度不斷提高，直至最優(yōu)個體的適應(yīng)度到達(dá)某一 限值或最優(yōu)個體的適應(yīng)度和群體的平均適應(yīng)度不再提高，那么迭代過程收斂，算法 結(jié)束。4.算法流程圖開頭群體P (t)選擇運(yùn)算交叉運(yùn)算個體評價變異運(yùn)算群體p（t+i）群體p（t+i）解碼解集合5.試驗(yàn)調(diào)試與結(jié)果分析（問題的覺察、分析、解決方案與創(chuàng)新）1）程序結(jié)果如下列圖：Best Finess：15168.7 第9999代：Best Fitness：15045.1Gbest Fitness：78186.1得到一個可行解； 00005Gbest Fitness：78186.1得到一個可行解； 0000571720202020 20 20 23 26 25 26總運(yùn)費(fèi)為；1279Press any key to coni; Inue2）收斂效果如下列圖:0.501000 2000 3000 40CO 500