＜＜人工智能导论＞＞上机--遗传算法求解函数最值

利用遗传算法求解函数
f(x,y)=1/(x2+y2+1),x,y∈[−5,5]f(x,y)=1/(x^2+y^2+1),x,y\in[-5,5]f(x,y)=1/(x2+y2+1),x,y∈[−5,5]的最大值。
显然答案为1。

代码:

/*
* @author:  codancer
* @createTime:  2020-11-28, 21:58:25
*/#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <algorithm>
#include <cmath>
#include <vector>
#include <set>
#include <map>
#include <unordered_set>
#include <unordered_map>
#include <queue>
#include <ctime>
#include <cassert>
#include <complex>
#include <string>
#include <cstring>
#include <chrono>
#include <random>
#include <bitset>
using namespace std;typedef long long ll;
typedef unsigned long long ull;
const ll mod = 1e9+7;
#define pb push_back
#define fi first
#define se second
#define SZ(x) ((int)(x).size())
#define rep(i,a,b) for(int i=(a);i<=(b);i++)
#define fep(i,a,b) for(int i=(a);i>=(b);i--)
#define deb(x) cerr<<#x<<" = "<<(x)<<"\n"
typedef vector<int> VI;
typedef vector<ll> VII;
typedef pair<int,int> pii;
mt19937_64 rng(chrono::steady_clock::now().time_since_epoch().count());
ll Rand(ll B) {return (ull)rng() % B;
}
/*由于精度为15位，因此需要10^16个种群需要2^54，二进制需要54位
*/
const int M = 100;//种群个数
const int D = 54;
vector<pair<string,string>> person;//个体/*将基因id换成小数*/
double trans(string s){ll ans=0;for(char c:s){ans=ans*2+c-'0';}return -5+ans*10.0/((1LL<<D)-1);
}/*随机产生M个种群成员*/void Gen(){for(int i=0;i<M;i++){string a="";string b="";for(int j=0;j<D;j++) a+=Rand(2)==0?'0':'1';for(int j=0;j<D;j++) b+=Rand(2)==0?'0':'1';person.pb({a,b});}
}
/*基因评估*/
double eval(pair<string,string> a){double x1=trans(a.first);double x2=trans(a.second);return 1.0/(x1*x1+x2*x2+1);
}
/*遗传算法*/
void Genetic(){double ans=-1e9;//最大值初始化/*不断迭代*/for(int steps=1;steps<=1000;steps++){vector<double> v(M),p(M);double F=0;//种群适度值之和for(int i=0;i<M;i++){v[i]=eval(person[i]);//v[i]是每个个体的评估值ans=max(ans,v[i]);//每一轮更新最大值F+=v[i];p[i]=v[i]/F;//p[i]代表i被选择的概率}/*模拟轮盘赌，q[i]代表个体i的累积概率*/vector<double> q(M);vector<int> cnt(M,0);//每个个体被选择的次数q[0]=p[0];for(int i=1;i<M;i++){q[i]=q[i-1]+p[i];}for(int i=0;i<M;i++){double r=1.0*Rand(100)/100.0;//随机一个[0,1]的小数for(int j=0;j<M;j++){if(r<=q[j]){++cnt[j];break;//选择一次j}}}vector<pair<string,string> > next_gen;//下一代for(int i=0;i<M;i++){for(int j=0;j<cnt[i];j++) next_gen.pb(person[i]);}/*单点交叉,交叉率为0.8*/for(int i=0;i<M;i+=2){double r=Rand(10)/10.0;//交叉概率<=0.8则不交叉if(r>0.8) continue;int dig=Rand(2*D);//随机交叉位数if(dig<D) swap(next_gen[i].first[dig],next_gen[i+1].first[dig]);//交叉第digit位else swap(next_gen[i].second[dig-D],next_gen[i].second[dig-D]);}/*单点变异,变异率0.1*/for(int i=0;i<M;i++){for(int j=0;j<D;j++){double r=Rand(10)/10.0;if(r<=0.1) next_gen[i].first[j]='0'+!(next_gen[i].first[j]-'0');//变异取反}for(int j=0;j<D;j++){double r=Rand(10)/10.0;if(r<=0.1) next_gen[i].second[j]='0'+!(next_gen[i].second[j]-'0');//变异取反}}for(int i=0;i<M;i++) person[i]=next_gen[i];//换代printf("第%d代 的最大值为: %.15lf\n", steps,ans);}
}
int main(){Gen();Genetic();return 0;
}

＜＜人工智能导论＞＞上机--遗传算法求解函数最值相关推荐

【人工智能导论】遗传算法求解TSP问题（含源码github）
源程序:Github链接 Symmetric traveling salesman problem (TSP) Given a set of n nodes and distances for eac ...
人工智能实验-使用遗传算法求函数最值
完整代码: #include <bits/stdc++.h>#define indiv_per_group (50) //一个种群中个体的数目 #define probability (6 ...
运用遗传算法求解函数极值（fortran）
运用遗传算法求解函数极值(fortran) 写在前面遗传算法的前世今生算法步骤简介遗传算法的主体结构开始求解: 结果显示: 最后再来说一些需要注意的地方写在前面这篇文章适合一些应急学习最优 ...
Python实现遗传算法求函数最值
Python实现遗传算法求函数最值详细源代码:GA.py 1.算法过程图解 2.详细过程举例说明 (1)待求解方程 (2)确定编码方案主要是确定编码长度: def segment_length(s ...
实值遗传算法求解函数极值问题（基于MATLAB)
实值遗传算法求解函数极值问题(基于MATLAB) 声明: 1.本文源代码来自书目<智能优化算法及其MATLAB实例(第3版)>,目的在于为MATLAB初学者提供更简明的代码解析,方便读者了 ...
差分进化算法求解函数最值问题
差分进化算法求解函数最值问题声明: 1.本文源代码来自书目<智能优化算法及其MATLAB实例(第3版)>,目的在于为MATLAB初学者提供更简明的代码解析,方便读者了解算法及MATLAB ...
利用遗传算法求解函数极值
1.利用遗传算法求解函数极值例1 利用遗传算法求函数 f(x) = 11sin(6x) + 7cos(5x),x∈[- π,π]的最大值点. 解:在MATLAB中编制绘制函数曲线的代码,运行得到题中 ...
python实现遗传算法求解函数极值问题
python实现遗传算法求解函数极值问题 import random import numpy as np #定义染色体类 class chromosome:def __init__(self,chr ...
遗传算法求解函数最小值问题
遗传算法求解函数最小值问题继上一次用遗传算法求解TSP问题问题以后,万万没有想到,实验的时候,老师居然改了题目,改成了求解函数的最小值问题(有点坑哈),而且要求结果尽量的稳定,可以确定得到最小值,并 ...

＜＜人工智能导论＞＞上机--遗传算法求解函数最值

＜＜人工智能导论＞＞上机--遗传算法求解函数最值相关推荐

最新文章

热门文章