遗传算法的c语言程序

一需求分析

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．测试数据

输入初始变量后用y=100*(x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)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

二概要设计

1．程序流程图

2．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();

4．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

三运行环境

本程序的开发工具是VC++，在VC++下运行。

四源代码

#include

#include

#include

#include

#define POPSIZE 500

#define maximization 1

#define minimization 2

#define cmax 100

#define cmin 0

#define length1 10

#define length2 10

#define chromlength length1+length2 //染色体长度

int functionmode=maximization;

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];

//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();

void generateinitialpopulation( ) //种群初始化

{

int i,j;

for (i=0;i

{

for(j=0;j

{

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

}

population[i].chrom[chromlength]='\0';

}

}

void generatenextpopulation() //生成下一代

{

selectoperator();

crossoveroperator();

mutationoperator();

}

void evaluatepopulation() //评价个体，求最佳个体

{

calculateobjectvalue();

calculatefitnessvalue();

findbestandworstindividual();

}

long decodechromosome(char *string ,int point,int length) //给染色体解码

{

int i;

long decimal=0;

char*pointer;

for(i=0,pointer=string+point;i

if(*pointer-'0')

{decimal +=(long)pow(2,i);

}

return (decimal);

}

void calculateobjectvalue() //计算函数值

{

int i;

long temp1,temp2;

double x1,x2;

for (i=0; i

{

temp1=decodechromosome(population[i].chrom,0,length1);

temp2=decodechromosome(population[i].chrom,length1,length2);

x1=4.096*temp1/1023.0-2.048;

x2=4.096*temp2/1023.0-2.048;

population[i].value=100*(x1*x1-x2)* (x1*x1-x2)+(1-x1)*(1-x1);

}

}

void calculatefitnessvalue()//计算适应度

{

int i;

double temp;

for(i=0;i

{

if(functionmode==maximization)

{if((population[i].value+cmin)>0.0)

{temp=cmin+population[i].value;}

else

{temp=0.0;

}

}

else if (functionmode==minimization)

{

if(population[i].value

{temp=cmax-population[i].value;}

else{ temp=0.0;}

}

population[i].fitness=temp;

}

}

void findbestandworstindividual( ) //求最佳个体和最差个体{

int i;

double sum=0.0;

bestindividual=population[0];

worstindividual=population[0];

for (i=1;i

if (population[i].fitness>bestindividual.fitness){

bestindividual=population[i];

best_index=i;

}

else if (population[i].fitness

worstindividual=population[i];

worst_index=i;

}

sum+=population[i].fitness;

}

if (generation==0){

currentbest=bestindividual;

}

else{

if(bestindividual.fitness>=currentbest.fitness){

currentbest=bestindividual;

}

}

}

void performevolution() //演示评价结果

{

if (bestindividual.fitness>currentbest.fitness){

currentbest=population[best_index];

}

else{

population[worst_index]=currentbest;

}

}

void selectoperator() //比例选择算法

{

int i,index;

double p,sum=0.0;

double cfitness[POPSIZE];

struct individual newpopulation[POPSIZE];

for(i=0;i

{sum+=population[i].fitness;}

for(i=0;i

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

}

for(i=1;i

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

}

for (i=0;i

{

p=rand()%1000/1000.0;

index=0;

while (p>cfitness[index])

{

index++;

}

newpopulation[i]=population[index];

}

for(i=0;i

population[i]=newpopulation[i];

}

}

void crossoveroperator() //交叉算法

{

int i,j;

int index[POPSIZE];

int point,temp;

double p;

char ch;

for (i=0;i

index[i]=i;

}

for (i=0;i

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

temp=index[i];

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

index[point+i]=temp;

}

for (i=0;i

p=rand()%1000/1000.0;

if (p

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

for (j=point; 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;

}

}

}

}

void mutationoperator() //变异操作

{

int i,j;

double p;

for (i=0;i

for(j=0;j

p=rand()%1000/1000.0;

if (p

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

}

}

}

}

void input() //数据输入

{ printf("初始化全局变量:\n");

printf(" 种群大小(50-500)：");

scanf("%d", &popsize);

if((popsize%2) != 0)

{

printf( " 种群大小已设置为偶数\n");

popsize++;};

printf(" 最大世代数(100-300)：");

scanf("%d", &maxgeneration);

printf(" 交叉率(0.2-0.99)：");

scanf("%f", &pc);

printf(" 变异率(0.001-0.1)：");

scanf("%f", &pm);

}

void outputtextreport()//数据输出

{

int i;

double sum;

double average;

sum=0.0;

for(i=0;i

{sum+=population[i].value;}

average=sum/popsize;

printf("当前世代=%d\n当前世代平均函数值=%f\n当前世代最高函数值=%f\n",generation,average,population[best_index].value);

}

void main() //主函数

{ int i;

printf("本程序为求函数y=100*(x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)的最大值\n其中-2.048<=x1,x2<=2.048\n");

generation=0;

input();

generateinitialpopulation();

evaluatepopulation();

while(generation

{

generation++;

generatenextpopulation();

evaluatepopulation();

performevolution();

outputtextreport();

}

printf("\n");

printf(" 统计结果:");

printf("\n");

printf("最大函数值等于：%f\n",currentbest.fitness);

printf("其染色体编码为：");

for (i=0;i

{

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

}

printf("\n"); }

六测试结果