多变量多目标的遗传算法程序

这是我在解决电梯动力学参数写的简单遗传算法（程序带目标函数值、适应度值计算，但是我的适应度函数因为目标函数的计算很特殊，一起放在了程序外面计算,在此不提供）。

头文件：// CMVSOGA.h : main header file for the CMVSOGA.cpp// 本来想使用链表里面套链表的，程序调试比较麻烦，改为种群用链表表示//染色体固定为16的方法。

#if !defined(AFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767_ _INCLUDED_)#defineAFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767__INCLUDED _#if _MSC_VER > 1000#pragma once#endif // _MSC_VER > 1000#include "Afxtempl.h"#define variablenum 16class CMVSOGA{public:CMVSOGA();void selectionoperator();void crossoveroperator();void mutationoperator();void initialpopulation(int, int ,double ,double,double *,double *); //种群初始化void generatenextpopulation(); //生成下一代种群void evaluatepopulation(); //评价个体，求最佳个体void calculateobjectvalue(); //计算目标函数值void calculatefitnessvalue(); //计算适应度函数值void findbestandworstindividual(); //寻找最佳个体和最差个体void performevolution();void GetResult(double *);void GetPopData(double **);void SetValueData(double *);void maxandexpectation();private:struct individual{double chromosome[variablenum]; //染色体编码长度应该为变量的个数double value;double fitness; //适应度};double variabletop[variablenum]; //变量值double variablebottom[variablenum]; //变量值int popsize; //种群大小// int generation; //世代数int best_index;int worst_index;double crossoverrate; //交叉率double mutationrate; //变异率int maxgeneration; //最大世代数struct individual bestindividual; //最佳个体struct individual worstindividual; //最差个体struct individual current; //当前个体struct individual current1; //当前个体struct individual currentbest; //当前最佳个体CList <struct individual,struct individual &> population; //种群CList <struct individual,struct individual &> newpopulation; //新种群CList <double,double> cfitness; //存储适应度值// double maxfitness;// double minfitness;// double avefitness;//怎样使链表的数据是一个结构体主要是想把种群作成链表。

节省空间。

};#endif执行文件// CMVSOGA.cpp : implementation file//#include "stdafx.h"#include "CMVSOGA.h"#include "math.h"#include "stdlib.h"#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE[] = __FILE__;#endif/////////////////////////////////////////////////////////////////////////////// CMVSOGA.cppvoid CMVSOGA::initialpopulation(int ps, int gen ,double cr ,double mr,double *xtop,double *xbottom) //第一步，初始化。

{int i ,j;popsize=ps ;maxgeneration=gen;crossoverrate=cr;mutationrate =mr;for (i=0;i<variablenum;i++){variabletop[i] =xtop[i];variablebottom[i] =xbottom[i];}srand( (unsigned)time( NULL ) );for(i=0;i<popsize;i++){for (j=0;j<variablenum ;j++){current.chromosome[j]=double(rand()%1000)/1000*(variabletop[j]-variabl ebottom[j])+variablebottom[j];}current.fitness=0;current.value=0;population.InsertAfter(population.FindIndex(i),current);//除了初始化使用insertafter外,其他的用setat命令。

}}void CMVSOGA::generatenextpopulation()//第三步，生成下一代。

{selectionoperator();crossoveroperator();mutationoperator();}void CMVSOGA::evaluatepopulation() //第二步，评价个体，求最佳个体{// calculateobjectvalue();calculatefitnessvalue(); //在此步中因该按适应度值进行排序.链表的排序.findbestandworstindividual();}void CMVSOGA:: calculateobjectvalue() //计算函数值，应该由外部函数实现。

主要因为目标函数很复杂。

{int i,j;double x[variablenum];for (i=0; i<popsize; i++){current=population.GetAt(population.FindIndex(i));current.value=0;//使用外部函数进行，在此只做结果的传递。

for (j=0;j<variablenum;j++){x[j]=current.chromosome[j];current.value=current.value+(j+1)*pow(x[j],4);}////使用外部函数进行，在此只做结果的传递。

population.SetAt(population.FindIndex(i),current);}}void CMVSOGA::mutationoperator() //对于浮点数编码，变异算子的选择具有决定意义。

//需要guass正态分布函数，生成方差为sigma，均值为浮点数编码值c。

{int i,j;double r1,r2,p,sigma;//sigma高斯变异参数sigma=0.5;for (i=0;i<popsize;i++){current=population.GetAt(population.FindIndex(i));//生成均值为current.chromosome，方差为sigma的高斯分布数srand((unsigned int) time (NULL));for(j=0; j<variablenum; j++){r1 =double( rand()%1001)/1000;r2 = double(rand()%1001)/1000;p=double(rand()%1000)/1000;if(p<mutationrate){//高斯变异current.chromosome[j] = (current.chromosome[j]+ sigma*sqrt(-2*log(r1)/0.4323)*sin(2*3.1415926*r2));if (current.chromosome[j]>variabletop[j]){current.chromosome[j]=variabletop[j];}if (current.chromosome[j]<variablebottom [j]){current.chromosome[j]=variablebottom [j];}}}population.SetAt(population.FindIndex(i),current);}void CMVSOGA::selectionoperator() //从当前个体中按概率选择新种群,应该加一个复制选择,提高种群的平均适应度//第二次循环出错{int i,j,pindex=0;double p,pc,sum=0;i=0;j=0;pindex=0;p=0;pc=0;sum=0.001;newpopulation.RemoveAll();cfitness.RemoveAll();//链表排序// population.SetAt (population.FindIndex(0),current); //多余代码for (i=1;i<popsize;i++){current=population.GetAt(population.FindIndex(i));for(j=0;j<i;j++) //从小到大用before排列。