C++实现遗传算法 - 快网idc优惠网

本文实例讲述了C++实现简单遗传算法。分享给大家供大家参考。具体实现方法如下：

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

272

273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

340

341

342

343

344

345

346

347

348

349

350

351

352

353

354

355

356

357

358

359

360

361

362

363

364

365

366

367

368

369

370

371

372

373

374

375

376

377

378

379

380

381

382

383

384

385

386

387

388

389

390

391

392

393

394

395

// CMVSOGA.h : main header file for the CMVSOGA.cpp

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

#if !defined(AFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767__INCLUDED_)

#define AFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767__INCLUDED_

#if _MSC_VER > 1000

#pragma once

#endif // _MSC_VER > 1000

#include "Afxtempl.h"

#define variablenum 14

class CMVSOGA

{

public:

CMVSOGA();

~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(CList <double,double>&);

void SetFitnessData(CList <double,double>&,CList <double,double>&,CList <double,double>&);

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

//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 "vld.h"

#include "CMVSOGA.h"

#include "math.h"

#include "stdlib.h"

#ifdef _DEBUG

#define new DEBUG_NEW

#undef THIS_FILE

static char THIS_FILE[] = __FILE__;

#endif

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

// CMVSOGA.cpp

CMVSOGA::CMVSOGA()

{

best_index=0;

worst_index=0;

crossoverrate=0; //交叉率

mutationrate=0; //变异率

maxgeneration=0;

}

CMVSOGA::~CMVSOGA()

{

best_index=0;

worst_index=0;

crossoverrate=0; //交叉率

mutationrate=0; //变异率

maxgeneration=0;

population.RemoveAll(); //种群

newpopulation.RemoveAll(); //新种群

cfitness.RemoveAll();

}

void CMVSOGA::initialpopulation(int ps, int gen ,double cr ,double mr,double *xtop,double *xbottom) //第一步，初始化。

{

//应该采用一定的策略来保证遗传算法的初始化合理，采用产生正态分布随机数初始化？选定中心点为多少？

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 ) ); //寻找一个真正的随机数生成函数。

for(i=0;i<popsize;i++)

{

for (j=0;j<variablenum ;j++)

{

current.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[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。

{

//srand( (unsigned)time( NULL ) );

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。

{

// srand((unsigned int) time (NULL));

int i,j;

double r1,r2,p,sigma;//sigma高斯变异参数

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

for(j=0; j<variablenum; j++)

{

r1 = double(rand()%10001)/10000;

r2 = double(rand()%10001)/10000;

p = double(rand()%10000)/10000;

if(p<mutationrate)

{

double sign;

sign=rand()%2;

sigma=0.01*(variabletop[j]-variablebottom [j]);

//高斯变异

if(sign)

{

current.chromosome[j] = (current.chromosome[j]

+ sigma*sqrt(-2*log(r1)/0.4323)*sin(2*3.1415926*r2));

}

else

{

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]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];

}

if (current.chromosome[j]<variablebottom [j])

{

current.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[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

{

int i,j,pindex=0;

double p,pc,sum;

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。

{

current1=population.GetAt(population.FindIndex(j));//临时借用变量

if(current.fitness<=current1.fitness)

{

population.InsertBefore(population.FindIndex(j),current);

population.RemoveAt(population.FindIndex(i+1));

break;

}

// m=population.GetCount();

}

//链表排序

for(i=0;i<popsize;i++)//求适应度总值，以便归一化,是已经排序好的链。

{

current=population.GetAt(population.FindIndex(i)); //取出来的值出现问题.

sum+=current.fitness;

}

for(i=0;i<popsize; i++)//归一化

{

current=population.GetAt(population.FindIndex(i)); //population 有值,为什么取出来的不正确呢??

current.fitness=current.fitness/sum;

cfitness.InsertAfter (cfitness .FindIndex(i),current.fitness);

}

for(i=1;i<popsize; i++)//概率值从小到大;

{

current.fitness=cfitness.GetAt (cfitness.FindIndex(i-1))

+cfitness.GetAt(cfitness.FindIndex(i)); //归一化

cfitness.SetAt (cfitness .FindIndex(i),current.fitness);

population.SetAt(population.FindIndex(i),current);

}

for (i=0;i<popsize;)//轮盘赌概率选择。本段还有问题。

{

p=double(rand()%999)/1000+0.0001; //随机生成概率

pindex=0; //遍历索引

pc=cfitness.GetAt(cfitness.FindIndex(1)); //为什么取不到数值???20060910

while(p>=pc&&pindex<popsize) //问题所在。

{

pc=cfitness.GetAt(cfitness .FindIndex(pindex));

pindex++;

}

//必须是从index~popsize，选择高概率的数。即大于概率p的数应该被选择，选择不满则进行下次选择。

for (j=popsize-1;j<pindex&&i<popsize;j--)

{

newpopulation.InsertAfter (newpopulation.FindIndex(0),

population.GetAt (population.FindIndex(j)));

i++;

}

for(i=0;i<popsize; i++)

{

population.SetAt (population.FindIndex(i),

newpopulation.GetAt (newpopulation.FindIndex(i)));

}

// j=newpopulation.GetCount();

// j=population.GetCount();

newpopulation.RemoveAll();

}

//current 变化后，以上没有问题了。

void CMVSOGA:: crossoveroperator() //非均匀算术线性交叉，浮点数适用,alpha ,beta是(0，1)之间的随机数

//对种群中两两交叉的个体选择也是随机选择的。也可取beta=1-alpha;

//current的变化会有一些改变。

{

int i,j;

double alpha,beta;

CList <int,int> index;

int point,temp;

double p;

// srand( (unsigned)time( NULL ) );

for (i=0;i<popsize;i++)//生成序号

{

index.InsertAfter (index.FindIndex(i),i);

}

for (i=0;i<popsize;i++)//打乱序号

{

point=rand()%(popsize-1);

temp=index.GetAt(index.FindIndex(i));

index.SetAt(index.FindIndex(i),

index.GetAt(index.FindIndex(point)));

index.SetAt(index.FindIndex(point),temp);

}

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

{//按顺序序号,按序号选择两个母体进行交叉操作。

p=double(rand()%10000)/10000.0;

if (p<crossoverrate)

{

alpha=double(rand()%10000)/10000.0;

beta=double(rand()%10000)/10000.0;

current=population.GetAt(population.FindIndex(index.GetAt(index.FindIndex(i))));

current1=population.GetAt(population.FindIndex(index.GetAt(index.FindIndex(i+1))));//临时使用current1代替

for(j=0;j<variablenum;j++)

{

//交叉

double sign;

sign=rand()%2;

if(sign)

{

current.chromosome[j]=(1-alpha)*current.chromosome[j]+

beta*current1.chromosome[j];

}

else

{

current.chromosome[j]=(1-alpha)*current.chromosome[j]-

beta*current1.chromosome[j];

}

if (current.chromosome[j]>variabletop[j]) //判断是否超界.

{

current.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];

}

if (current.chromosome[j]<variablebottom [j])

{

current.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];

}

if(sign)

{

current1.chromosome[j]=alpha*current.chromosome[j]+

(1- beta)*current1.chromosome[j];

}

else

{

current1.chromosome[j]=alpha*current.chromosome[j]-

(1- beta)*current1.chromosome[j];

}

if (current1.chromosome[j]>variabletop[j])

{

current1.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];

}

if (current1.chromosome[j]<variablebottom [j])

{

current1.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];

}

//回代

}

newpopulation.InsertAfter (newpopulation.FindIndex(i),current);

newpopulation.InsertAfter (newpopulation.FindIndex(i),current1);

}

ASSERT(newpopulation.GetCount()==popsize);

for (i=0;i<popsize;i++)

{

population.SetAt (population.FindIndex(i),

newpopulation.GetAt (newpopulation.FindIndex(i)));

}

newpopulation.RemoveAll();

index.RemoveAll();

}

void CMVSOGA:: findbestandworstindividual( )

{

int i;

bestindividual=population.GetAt(population.FindIndex(best_index));

worstindividual=population.GetAt(population.FindIndex(worst_index));

for (i=1;i<popsize; i++)

{

current=population.GetAt(population.FindIndex(i));

if (current.fitness>bestindividual.fitness)

{

bestindividual=current;

best_index=i;

}

else if (current.fitness<worstindividual.fitness)

{

worstindividual=current;

worst_index=i;

}

population.SetAt(population.FindIndex(worst_index),

population.GetAt(population.FindIndex(best_index)));

//用最好的替代最差的。

if (maxgeneration==0)

{

currentbest=bestindividual;

}

希望本文所述对大家的C++程序设计有所帮助。

相关文章

微信

快网idc优惠网

QQ交流群