人工智能实验报告

人工智能第二次实验报告

一．实验题目：

遗传算法的设计与实现

二．实验目的：

通过人工智能课程的学习，熟悉遗传算法的简单应用。

三．实验内容

用遗传算法求解 f (x) = x2的最大值，x∈[0,31]，x取整数。

可以看出该函数比较简单，只要是为了体现遗传算法的思想，在问题选择上，选了一个比较容易实现的，把主要精力放在遗传算法的实现，以及核心思想体会上。

四.实验过程：

1.实现过程

（1）编码

使用二进制编码，随机产生一个初始种群。L 表示编码长度，通常由对问题的求解精度决定，编码长度L 越长，可期望的最优解的精度也就越高，过大的L 会增大运算量。针对该问题进行了简化，因为题设中x∈[0,31]，所以将二进制长度定为5就够用了；

（2）生成初始群体

种群规模表示每一代种群中所含个体数目。随机产生N个初始串结构数据，每个串结构数据成为一个个体，N个个体组成一个初始群体，N表示种群规模的大小。当N取值较小时，可提高遗传算法的运算速度，但却降低种群的多样性，容易引起遗传算法早熟，出现假收敛；而N当取值较大时，又会使得遗传算法效率降低。一般建议的取值范围是20—100。（3）适应度检测

根据实际标准计算个体的适应度，评判个体的优劣，即该个体所代表的可行解的优劣。本例中适应度即为所求的目标函数；（4）选择

从当前群体中选择优良（适应度高的）个体，使它们有机会被选中进入下一次迭代过程，舍弃适应度低的个体。本例中采用轮盘赌的选择方法，即个体被选择的几率与其适应度值大小成正比；

（5）交叉

遗传操作，根据设置的交叉概率对交配池中个体进行基因交叉操作，形成新一代的种群，新一代中间个体的信息来自父辈个体，体现了信息交换的原则。交叉概率控制着交叉操作的频率，

由于交叉操作是遗传算法中产生新个体的主要方法，所以交叉概率通常应取较大值；但若过大的话，又可能破坏群体的优良模式。一般取到。

（6）变异

随机选择中间群体中的某个个体，以变异概率大小改变个体某位基因的值。变异为产生新个体提供了机会。变异概率也是影响新个体产生的一个因素，变异概率小，产生新个体少；变异概率太大，又会使遗传算法变成随机搜索。一般取变异概率为—。（7）结束条件

当得到的解大于等于900时，结束。从而观看遗传的效率问题。

五.代码及结果：

/*遗传算法设计最大值*/

#include <>

#include <>

#include <>

#include <>

#define C 0 eneBit[j]);

printf(" %4d", toDec(pop[i]));

printf(" fixValue=%d\n", calcFitValue(toDec(pop[i])));

}

}

eneBit[randCol] = (pop[randRow].geneBit[randCol]=='0') '1':'0'; itValue =

calcFitValue( toDec(pop[randRow]) );

#if (C==1) && (CFLAG==4)

printf("\n变异后\n");

test(pop);

#endif

}

eneBit[j] = randValue+'0'; itValue = calcFitValue(value);

}

#if (C==1) && (CFLAG==1)

printf("\n随机分配的种群如下:\n");

test(pop);

#endif

}

itValue > pop[j].fitValue)

{

tempPop = pop[j+1];

pop[j+1] = pop[j];

pop[j] = tempPop;

}

}

}

itValue;

}

aFitValue = (UINT)(((float)sumFitValue/POP_NUM)+; itValue/sumFitValue)/((float)aFitValue/sumFitValue);

choice[i] = (float)((int)(choice[i]*100+/;n");

#endif

return ; }

#if (C==1) && (CFLAG==3)

printf("\n交叉前,种群如下:\n");

test(pop);

printf("\n交叉的位置依次为:");

#endif

eneBit+randPos, GENE_NUM-randPos);

strncpy(pop[i].geneBit+randPos, pop[i+1].geneBit+randPos, GENE_NUM-randPos);

strncpy(pop[i+1].geneBit+randPos, tmpStr, GENE_NUM-randPos);

#if (C==1) && (CFLAG==3)

printf(" %d", randPos);

#endif

}

itValue = calcFitValue(toDec(pop[i]) );

}

#if (C==1) && (CFLAG==3)

printf("\n交叉后,种群如下:\n");

test(pop);

#endif

}

itValue > maxValue) {

maxValue = pop[i].fitValue;

x = toDec(pop[i]);

}

}

printf("\n当x=%d时,函数得到最大值为:%d\n\n", x, maxValue);

}