importmath, randomclassPopulation:#种群的设计

def __init__(self, size, chrom_size, cp, mp, gen_max):#种群信息合

self.individuals = [] #个体集合

self.fitness = [] #个体适应度集

self.selector_probability = [] #个体选择概率集合

self.new_individuals = [] #新一代个体集合

self.elitist= {'chromosome':[0, 0], 'fitness':0, 'age':0} #最佳个体的信息

self.size= size #种群所包含的个体数

self.chromosome_size = chrom_size #个体的染色体长度

self.crossover_probability = cp #个体之间的交叉概率

self.mutation_probability = mp #个体之间的变异概率

self.generation_max= gen_max #种群进化的最大世代数

self.age = 0 #种群当前所处世代

#随机产生初始个体集，并将新一代个体、适应度、选择概率等集合以 0 值进行初始化

v = 2 ** self.chromosome_size - 1

for i inrange(self.size):

self.individuals.append([random.randint(0, v), random.randint(0, v)])

self.new_individuals.append([0, 0])

self.fitness.append(0)

self.selector_probability.append(0)#基于轮盘赌博机的选择

defdecode(self, interval, chromosome):'''将一个染色体 chromosome 映射为区间 interval 之内的数值'''d= interval[1] -interval[0]

n= float (2 ** self.chromosome_size -1)return (interval[0] + chromosome * d /n)deffitness_func(self, chrom1, chrom2):'''适应度函数，可以根据个体的两个染色体计算出该个体的适应度'''interval= [-10.0, 10.0]

(x, y)=(self.decode(interval, chrom1),

self.decode(interval, chrom2))

n= lambda x, y: math.sin(math.sqrt(x*x + y*y)) ** 2 - 0.5d= lambda x, y: (1 + 0.001 * (x*x + y*y)) ** 2func= lambda x, y: 0.5 - n(x, y)/d(x, y)returnfunc(x, y)defevaluate(self):'''用于评估种群中的个体集合 self.individuals 中各个个体的适应度'''sp=self.selector_probabilityfor i inrange (self.size):

self.fitness[i]= self.fitness_func (self.individuals[i][0], #将计算结果保存在 self.fitness 列表中

self.individuals[i][1])

ft_sum=sum (self.fitness)for i inrange (self.size):

sp[i]= self.fitness[i] / float (ft_sum) #得到各个个体的生存概率

for i in range (1, self.size):

sp[i]= sp[i] + sp[i-1] #需要将个体的生存概率进行叠加，从而计算出各个个体的选择概率

#轮盘赌博机(选择)

defselect(self):

(t, i)=(random.random(), 0)for p inself.selector_probability:if p >t:breaki= i + 1

returni#交叉

defcross(self, chrom1, chrom2):

p= random.random() #随机概率

n = 2 ** self.chromosome_size -1

if chrom1 != chrom2 and p

t= random.randint(1, self.chromosome_size - 1) #随机选择一点(单点交叉)

mask = n << t #<< 左移运算符

(r1, r2) = (chrom1 & mask, chrom2 & mask) #& 按位与运算符：参与运算的两个值,如果两个相应位都为1,则该位的结果为1,否则为0

mask = n >> (self.chromosome_size -t)

(l1, l2)= (chrom1 & mask, chrom2 &mask)

(chrom1, chrom2)= (r1 + l2, r2 +l1)return(chrom1, chrom2)#变异

defmutate(self, chrom):

p=random.random ()if p

t= random.randint (1, self.chromosome_size)

mask1= 1 << (t - 1)

mask2= chrom &mask1if mask2 >0:

chrom= chrom & (~mask2) #~ 按位取反运算符：对数据的每个二进制位取反,即把1变为0,把0变为1

else:

chrom= chrom ^ mask1 #^ 按位异或运算符：当两对应的二进位相异时，结果为1

returnchrom#保留最佳个体

defreproduct_elitist (self):#与当前种群进行适应度比较，更新最佳个体

j = -1

for i inrange (self.size):if self.elitist['fitness']

j=i

self.elitist['fitness'] =self.fitness[i]if (j >=0):

self.elitist['chromosome'][0] =self.individuals[j][0]

self.elitist['chromosome'][1] = self.individuals[j][1]

self.elitist['age'] =self.age#进化过程

defevolve(self):

indvs=self.individuals

new_indvs=self.new_individuals#计算适应度及选择概率

self.evaluate()#进化操作

i =0whileTrue:#选择两个个体，进行交叉与变异，产生新的种群

idv1 =self.select()

idv2=self.select()#交叉

(idv1_x, idv1_y) = (indvs[idv1][0], indvs[idv1][1])

(idv2_x, idv2_y)= (indvs[idv2][0], indvs[idv2][1])

(idv1_x, idv2_x)=self.cross(idv1_x, idv2_x)

(idv1_y, idv2_y)=self.cross(idv1_y, idv2_y)#变异

(idv1_x, idv1_y) =(self.mutate(idv1_x), self.mutate(idv1_y))

(idv2_x, idv2_y)=(self.mutate(idv2_x), self.mutate(idv2_y))

(new_indvs[i][0], new_indvs[i][1]) = (idv1_x, idv1_y) #将计算结果保存于新的个体集合self.new_individuals中

(new_indvs[i+1][0], new_indvs[i+1][1]) =(idv2_x, idv2_y)#判断进化过程是否结束

i = i + 2 #循环self.size/2次，每次从self.individuals 中选出2个

if i >=self.size:break

#最佳个体保留

#如果在选择之前保留当前最佳个体，最终能收敛到全局最优解。

self.reproduct_elitist()#更新换代：用种群进化生成的新个体集合 self.new_individuals 替换当前个体集合

for i inrange (self.size):

self.individuals[i][0]=self.new_individuals[i][0]

self.individuals[i][1] = self.new_individuals[i][1]defrun(self):'''根据种群最大进化世代数设定了一个循环。

在循环过程中，调用 evolve 函数进行种群进化计算，并输出种群的每一代的个体适应度最大值、平均值和最小值。'''

for i inrange (self.generation_max):

self.evolve ()print (i, max (self.fitness), sum (self.fitness)/self.size, min (self.fitness))if __name__ == '__main__':#种群的个体数量为 50，染色体长度为 25，交叉概率为 0.8，变异概率为 0.1,进化最大世代数为 150

pop = Population (50, 24, 0.8, 0.1, 150)

pop.run()