网上看到了一个比较不错的讲解遗传算法的帖子，链接如下

http://blog.csdn.net/b2b160/article/details/4680853

但是却没有贴源代码，正好最近闲来无事，就尝试写了下代码实现，测试了几次，寻优结果都能达到了二元函数最大值98，如下所示

#include

#include

#include

#include

#include

#include

#include

#include

using namespace std;

#define MAXLENGTH 1000

#define DNANUMBER 30

#define DNALENGTH 6

#define ITERATIONNUMBER 100

int generic[DNANUMBER][MAXLENGTH];

int select[DNANUMBER][MAXLENGTH];

int FitNess[DNANUMBER];

float FitNessProportion[DNANUMBER];

//二次函数为f(x1,x2)=x1^2+x2^2；遗传数组为待求解的串组合

int fitMax;

void InitDna()

{

//对所有的染色体进行随机初始化

int i,j;

fitMax=INT_MIN;

srand(time(NULL));

for(i=0;i

{

for(j=0;j

{

if(rand()%2==0)

{

generic[i][j]=1;

}

else

generic[i][j]=0;

}

}

}

int BinaryToDecimal(int index,int start,int end)

{

int ret=0;

int i;

int mul=1;

for(i=end;i>=start;i--)

{

if(generic[index][i]==1)

{

ret+=mul;

}

mul=mul*2;

}

return ret;

}

int Decode(int index)

{

int i=0;

int x1,x2;

x1=BinaryToDecimal(index,0,DNALENGTH/2-1);

x2=BinaryToDecimal(index,DNALENGTH/2,DNALENGTH-1);

return x1*x1+x2*x2;

}

void CopyGenericToSelect(int srcIndex,int dstIndex)

{

int i=0;

for(i=0;i

{

select[dstIndex][i]=generic[srcIndex][i];

}

}

void CopySelecToGeneric(int srcIndex,int dstIndex)

{

int i=0;

for(i=0;i

{

generic[dstIndex][i]=select[srcIndex][i];

}

}

void SelectDna()

{

//进行适应度计算 然后填充FitNess和FitNessProportion数组

int i,j;

int fitSum=0;

for(i=0;i

{

FitNess[i]=Decode(i);

fitMax=std::max(fitMax,FitNess[i]);

fitSum+=FitNess[i];

}

for(i=0;i

{

FitNessProportion[i]=0;

FitNessProportion[i]+=FitNess[i];

}

//生成和DNA数目相同的随机数，查看其落在FitNessProprotion哪个区间，并选择其对应的区域，这就是经典的轮盘赌选择方法

srand(time(NULL));

int mask[DNANUMBER];

for(i=0;i

{

mask[i]=0;

}

float randNumber;

for(i=0;i

{

randNumber=rand()/RAND_MAX;

for(j=0;j

{

if(randNumber

{

mask[j]++;

break;

}

}

}

//根据mask数组情况来进行染色体复制 比如mask数组为 1 1 2 0 1 ，就把1，2，3，5号染色体复制回原染色体组，其中3号染色体复制两次

int count=0;

for(i=0;i

{

while(mask[i]!=0)

{

CopyGenericToSelect(mask[i],count);

count++;

mask[i]--;

}

}

//将选择后的select矩阵写回到原generic矩阵

for(i=0;i

{

CopySelecToGeneric(i,i);

}

}

void Swap(int index)

{

int i,j;

int swapIndex;

int temp;

srand(time(NULL));

swapIndex=rand()%DNANUMBER;

for(i=0;i

{

temp=generic[index][i];

generic[index][i]=generic[swapIndex][i];

generic[swapIndex][i]=temp;

}

}

void CrossDna()

{

//该函数为交叉操作

//对dna矩阵进行随机分组

int i,j;

for(i=0;i

{

Swap(i);

}

//两两一组,进行交叉

srand(time(NULL));

int crossPoint;

int temp;

for(i=0;i

{

crossPoint=rand()%DNALENGTH;

for(j=crossPoint;j

{

temp=generic[i][j];

generic[i][j]=generic[i+1][j];

generic[i+1][j]=temp;

}

}

}

void VariateDna()

{

srand(time(NULL));

int variaPoint=rand()%DNALENGTH;

int i;

for(i=0;i

{

if(generic[i][variaPoint]==1)

generic[i][variaPoint]=0;

else

generic[i][variaPoint]=1;

}

}

void Generic()

{

int i,j,k;

InitDna();

for(i=0;i

{

SelectDna();

CrossDna();

VariateDna();

}

cout<

}

int main()

{

int i;

for(i=0;i<50;i++)

{

Generic();

}

return 0;

}