遗传算法的C语言程序案例

遗传算法的C语言程序案例

一、说明

1．本程序演示的是用简单遗传算法随机一个种群，然后根据所给的交叉率，变异率，世代数计算最大适应度所在的代数

2．演示程序以用户和计算机的对话方式执行，即在计算机终端上显示“提示信息”之后，由用户在键盘上输入演示程序中规定的命令；相应的输入数据和运算结果显示在其后。3．举个例子，输入初始变量后，用y= (x1*x1)+(x2*x2)，其中-2.048<=x1,x2<=2.048作适应度函数求最大适应度即为函数的最大值

4．程序流程图

5．类型定义

int popsize; //种群大小

int maxgeneration; //最大世代数

double pc; //交叉率

double pm; //变异率

struct individual

{

char chrom[chromlength+1];

double value;

double fitness; //适应度

};

int generation; //世代数

int best_index;

int worst_index;

struct individual bestindividual; //最佳个体

struct individual worstindividual; //最差个体

struct individual currentbest;

struct individual population[POPSIZE];

3．函数声明

void generateinitialpopulation();

void generatenextpopulation();

void evaluatepopulation();

long decodechromosome(char *,int,int);

void calculateobjectvalue();

void calculatefitnessvalue();

void findbestandworstindividual();

void performevolution();

void selectoperator();

void crossoveroperator();

void mutationoperator();

void input();

void outputtextreport();

6．程序的各函数的简单算法说明如下：

（1）．void generateinitialpopulation ()和void input ()初始化种群和遗传算法参数。

input() 函数输入种群大小，染色体长度，最大世代数，交叉率，变异率等参数。

（2）void calculateobjectvalue();计算适应度函数值。

根据给定的变量用适应度函数计算然后返回适度值。

（3）选择函数selectoperator()

在函数selectoperator()中首先用rand ()函数产生0～1间的选择算子，当适度累计值不为零时，比较各个体所占总的适应度百分比的累计和与选择算子，直到达到选择算子的值那个个

体就被选出，即适应度为fi的个体以fi/∑fk的概率继续存在；

显然，个体适应度愈高，被选中的概率愈大。但是，适应度小的个体也有可能被选中，以便增加下一代群体的多样性。

（4）染色体交叉函数crossoveroperator()

这是遗传算法中的最重要的函数之一，它是对个体两个变量所合成的染色体进行交叉，而不是变量染色体的交叉，这要搞清楚。首先用rand ()函数产生随机概率，若小于交叉概率，则进行染色体交叉，同时交叉次数加1。这时又要用rand()函数随机产生一位交叉位，把染色体的交叉位的后面部分交叉即可；若大于交叉概率，则进行简单的染色体复制即可。

（5）染色体变异函数mutation()

变异是针对染色体字符变异的，而不是对个体而言，即个体变异的概率是一样。随机产生比较概率，若小于变异概率，则1变为0，0变为1，同时变异次数加1。

（6）long decodechromosome(char *,int,int)

本函数是染色体解码函数，它将以数组形式存储的二进制数转成十进制数，然后才能用适应度函数计算。

（7）void findbestandworstindividual()本函数是求最大适应度个体的，每一代的所有个体都要和初始的最佳比较，如果大于就赋给最佳。

（8）void outputtextreport () 输出种群统计结果

输出每一代的种群的最大适应度和平均适应度，最后输出全局最大值

二、运行环境

本程序的开发工具是VC++，在VC++下运行。

源代码

#include"stdafx.h"

#include

#include

#include

/////////////The definiton of user data 定义用户数据////

#define Cmax 100 //certain maximal value

#define Cmin 0 //certain minimum value

#define LENGHT1 3

#define LENGHT2 3

//总染体长度

#define CHROMLENGTH LENGHT1+LENGHT2

const int MaxGeneration = 100;

const int PopSize = 10;

const double Pc = 0.6;

const double Pm = 0.001;

////////////// 数据结构定义///////////////////

struct Individual{

char chrom[CHROMLENGTH + 1];

double value;

double fitness;

int generation ;

int bestIndex;

int worstIndex;

Individual bestIndividual ;

Individual worstIndividual ;

// best individual by now

Individual currentBest ;

Individual population [PopSize] ;

///////////////////////

void generateInitialPopulation();

void generateNextPopulation();

void evalutePopulation();

long decomdeChromosome(char*, int, int); void calculateObjectValue();

void calculateFitnessValue();

void findBestAndWorstIndividual();

void performEvolution();

void selectionOperator();

void crossoverOperator();

void mutationOperator();

void outputTextReport();

//以上为函数以及全局变量定义部分

int main(){

generation = 0; generateInitialPopulation(); evalutePopulation();

while (generation < MaxGeneration) { generation++; generateNextPopulation(); evalutePopulation();

performEvolution();

outputTextReport();

}

system("pause");

return 0;

}

//////////////////////////////////////////////////////////////

//////产生第一代样本/////

void generateInitialPopulation() {

int i, j;

srand((unsigned)time(NULL));

for (i = 0; i < PopSize; i++) {

for (j = 0; j < CHROMLENGTH; j++) {

population[i].chrom[j] = ((rand() % 10) < 5) ? '0' : '1';

}

population[i].chrom[CHROMLENGTH] ='/0';

}

}

////////产生下一代样本//////

void generateNextPopulation() {

selectionOperator();

crossoverOperator();

mutationOperator();

}

//变异算子//

void mutationOperator() {

int i, j;

double p;

// bit mutation

for (i = 0; i < PopSize; i++) {

for (j = 0; j < CHROMLENGTH; j++) {

p = rand() % 1000 / 1000.0;

if (p < Pm) {

population[i].chrom[j] = (population[i].chrom[j] == '0') ? '1': '0'; }

}

}

}

//交叉算子///

void crossoverOperator() {

int i, j;

int index[PopSize];

int point, temp;

double p;

char ch;

for (i = 0; i < PopSize; i++) {

index[i] = i;

}

for (i = 0; i < PopSize; i++) {

point = rand() %(PopSize - i);

temp = index[i];

index[i] = index[point + i];

index[point + i] = temp;

}

for (i = 0; i < PopSize - 1; i+=2) {

p = rand() % 1000 / 1000.0;

if (p < Pc) {

point = rand()% (CHROMLENGTH - 1) + 1;

for (j = point; j < CHROMLENGTH; j++) {

ch = population[index[i]].chrom[j];

population[index[i]].chrom[j] = population[index[i + 1]].chrom[j]; population[index[i + 1]].chrom[j] = ch;

}

}

}

}

///选择算子/////////////

void selectionOperator() {

int i, index;

double p, sum = 0.0;

double cfitness[PopSize];

Individual newpopulation[PopSize];

for (i = 0; i < PopSize; i++) {

sum += population[i].fitness;

}

for (i = 0; i < PopSize; i++) {

cfitness[i] = population[i].fitness / sum;

}

// calculate cumulative fitness

for (i = 1; i < PopSize; i++) {

cfitness[i] = cfitness[i] + cfitness[i - 1];

}

for (i = 0; i < PopSize; i++) {

p = rand() % 1000 / 1000.0;

index = 0;

while (p > cfitness[index]) {

index++;

}

newpopulation[i] = population[index];

}

for (i = 0; i < PopSize; i++) {

population[i] = newpopulation[i]; /

}

}

/////依据某些公式对样本进行评价////

void evalutePopulation() {

calculateObjectValue();

calculateFitnessValue(); findBestAndWorstIndividual(); /

}

//找出到目前为止最好的个体//////

void findBestAndWorstIndividual() {

int i;

double sum = 0.0;

bestIndividual = population[0];

worstIndividual = population[0];

for (i = 0; i < PopSize; i++) {

if (population[i].fitness > bestIndividual.fitness) { bestIndividual = population[i];

bestIndex = i;

} else if (population[i].fitness < worstIndividual.fitness) { worstIndividual = population[i];

worstIndex = i;

}

sum += population[i].fitness;

}

if (generation == 0) {

currentBest = bestIndividual;

} else {

if (bestIndividual.fitness > currentBest.fitness) {

currentBest = bestIndividual;

}

}

}

//计算适应度///

void calculateFitnessValue() {

int i;

long temp1, temp2;

double x1, x2;

for (i = 0; i < PopSize; i++) {

temp1 = decomdeChromosome(population[i].chrom, 0, LENGHT1);

temp2 = decomdeChromosome(population[i].chrom, LENGHT1, LENGHT2); x1 = temp1 * temp1;

x2 = temp2 * temp2;

population[i].fitness = x1+x2; //x1平方加上x2平方

}

}

//计算目标值

//目标函数为f(x) = x1* x1 + x2*x2

void calculateObjectValue() {

int i;

long temp1, temp2;

double x1, x2;

for (i = 0; i < PopSize; i++) {

temp1 = decomdeChromosome(population[i].chrom, 0, LENGHT1);

temp2 = decomdeChromosome(population[i].chrom, LENGHT1, LENGHT2); x1 = temp1 * temp1;

x2 = temp2 * temp2;

population[i].value = x1 + x2;

}

}

//把二进制转化为十进制

long decomdeChromosome(char* string, int point, int length) {

int i;

long decimal = 0L;

char * pointer;

for(i = 0, pointer=string+point; i < length;i++,pointer++){

decimal += (*pointer - '0') << (length - 1 - i);

}

return decimal;

}

//进经同时把最坏个体用目前最好个体替代///

void performEvolution() {

if (bestIndividual.fitness > currentBest.fitness) {

currentBest = population[bestIndex];

} else {

population[worstIndex] = currentBest;

}

}

//打印当前样本信息///

void outputTextReport() {

int i;

double sum;

double average;

sum = 0.0;

for (i = 0; i < PopSize; i++) {

sum += population[i].value;

}

average = sum / PopSize;

printf("gen=%d, avg=%f, best=%f",generation, average,currentBest.value); printf(" chromosome=");

for( i = 0; i < CHROMLENGTH; i++){

printf("%c", currentBest.chrom[i]);

}

printf("/n");

}