遗传算法实验报告

信息与管理科学学院计算机科学系

实验报告

课程名称：人工智能

实验名称：遗传算法问题

姓名：鹏海贾美丽妍汉昭

学号：1510003063 1510003024

班级：计科实验室：软件技术实验室指导教师：慧日期：2016.11.09

&&遗传算法问题

一、实验目的

1．熟悉和掌握遗传算法的原理、实质；

2．学会使用遗传算法解决问题；

3．学会编写遗传算法程序寻找函数最值；

二、实验原理

遗传算法是仿真生物遗传学和自然选择机理，通过人工方式所构造的一类搜索算法，从某种程度上说遗传算法是对生物进化构成进行的数学方式仿真。在遗传算法中染色体对应的是一系列符号序列，在标准的遗传算法(即基本遗传算法)中，通常用0, 1组成的位串表示，串上各个位置对应基因座，各位置上的取值对应等位基因。遗传算法对染色体进行处理，染色体称为基因个体。一定数量的基因个体组成基因种群。种群中个体的数目为种群的规模，各个体对环境的适应程度称为适应度。

三、实验容

用遗传算法求根号2，也就是求方程f(x)=x*x-2=0的正整数解，x=1时f(1)<0，x=2时f(2)>0，由介值定理，则1到2中间存在一个根，根据代数基本定理和根的对称性知这就是我们要找的根，由目标函数得到适应度函数，我们选择个体都在[1,2]之间，那适应度函数我可以取

j(x)=40/(2+|x*x-2|)-10，由x的取值围知j的围是(0,10)

x和y交叉就用取平均(x+y)/2，交叉概率取0.9，变异概率为0，

四、步骤分析

1.选择目标函数，确定变量定义域及编码精度，形成编码方案

2.随机产生一个规模为（即该种群中含有个体）的种群2

3.个体评价：计算群体P(t)中各个个体适应度

4.选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传

到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。（选择运算用轮盘赌算法）

5.对被选择进入匹配池中的个体进行交叉操作，形成新种群

6.以小概率在种群中选择个体进行变异操作形成新种群

7.计算每个个体的适值

8.根据适值概率选择新个体形成新种群

9.检查结束条件，若满足则算法结束，当前种群中适值最高的个体即所求

解；否则转3

选择操作：

首先要知道适应度函数，所谓的适应度函数就是评价函数，通常是问题的目的函数（或它的倒数），它描述了个体的优劣程度同时也决定了选择操作的概率，设fi表示第i个个体的适应度值，那选择第i个个体的概率就是fi/∑fj，简单来说，这个概率的大小就决定了该个体是被淘汰还是被保留。通常的具体做法是用类似赌盘的方法，每个个体占它的适应度那么宽的转盘大小，每次掷色子，落到哪一格就选哪一格对应的个体。

交叉操作：

交叉操作就是让2个以上的染色体进行交叉产生后代的过程，具体的交叉操作要看具体的问题。不过我觉得有一个原则，就是要有对称性，交叉得到的后代中的

基因要来源于父代的所有个体中，也就是说n个个体进行交叉是和它们的排列没关系，这样子代才有机会得到更优秀的基因。交叉操作是遗传算法中最重要的操作。最简单的基本方式是交换父代中染色体片段。

变异操作：

生物可以突变，有时候突变是好的，有时候却是坏的，但正是因为有了突变才让有限的种群中基因库可以非常丰富，也保证了种群的适应能力。变异操作通常是翻转个体中某段染色体，编码后的染色体在计算机中都是01串，也就可以随机的翻转某个（或多个）bit上的值。

交叉和变异不是一定要发生在选择了的个体上，而是按一定控制概率发生的，交叉概率比较高通常是0.6~0.95，而变异概率比较低通常是0.001~0.01。五、实验程序

#include

#include

#include

typedef struct _indi//个体

{

double code;//染色体

double degree;//适应度

}Indi;

Indi group[40];//种群规模为40

//------------------------------------------------------

//适应度算法

void Judge(Indi &x)//适应度算法

{

double tmp=x.code*x.code-2.0;

if(tmp>=0)

x.degree=40.0/(2.0+tmp)-10.0;

else

x.degree=40.0/(2.0-tmp)-10.0;

}

//------------------------------------------------------

int happened(double p)//是否发生一个概率在p=0~1的事件{

return rand()<(int)(p*RAND_MAX);

}

//------------------------------------------------------

//交叉操作

void Cross(Indi &x,Indi &y)//交叉操作，产生一个子代取代父代中最次的一个{

Indi z;

z.code=(x.code+y.code)/2.0;//交叉只进行了取平均值

Judge(z);

if(x.degree

{

if(z.degree<=x.degree)

return;//如果新个体不如双亲，淘汰之

x=z;//否则，替代父代中最次的一个

}