python遗传算法计算实例_python实现的遗传算法实例(一)
$ n: \5 ~" f1 Y! G2 T& j
% t2 F0 N# p$ x. y! W$ j- o1 o, ppython实现的遗传算法实例(一)
) h# F+ A# N: p" a& c" ^4 g% [8 i6 ~% L# ]$ B& s2 U' [7 B: _
一、遗传算法介绍
遗传算法是通过模拟大自然中生物进化的历程,来解决问题的。大自然中一个种群经历过若干代的自然选择后,剩下的种群必定是适应环境的。把一个问题所有的解看做一个种群,经历过若干次的自然选择以后,剩下的解中是有问题的最优解的。当然,只能说有最优解的概率很大。这里,我们用遗传算法求一个函数的最大值。4 ]; z: O3 }3 A/ b0 a% X/ b Y
f(x) = 10 * sin( 5x ) + 7 * cos( 4x ), 0 <= x <= 101、将自变量x进行编码
取基因片段的长度为10, 则10位二进制位可以表示的范围是0到1023。基因与自变量转变的公式是x = b2d(individual) * 10 / 1023。构造初始的种群pop。每个个体的基因初始值是[0, 1, 0, 1, 0, 1, 0, 1, 0, 1]2、计算目标函数值
根据自变量与基因的转化关系式,求出每个个体的基因对应的自变量,然后将自变量代入函数f(x),求出每个个体的目标函数值。3、适应度函数
适应度函数是用来评估个体适应环境的能力,是进行自然选择的依据。本题的适应度函数直接将目标函数值中的负值变成0. 因为我们求的是最大值,所以要使目标函数值是负数的个体不适应环境,使其繁殖后代的能力为0.适应度函数的作用将在自然选择中体现。4、自然选择
自然选择的思想不再赘述,操作使用轮盘赌算法。其具体步骤:
假设种群中共5个个体,适应度函数计算出来的个体适应性列表是fitvalue = [1 ,3, 0, 2, 4] ,totalvalue = 10 , 如果将fitvalue画到圆盘上,值的大小表示在圆盘上的面积。在转动轮盘的过程中,单个模块的面积越大则被选中的概率越大。选择的方法是将fitvalue转化为[1 , 4 ,4 , 6 ,10], fitvalue / totalvalue = [0.1 , 0.4 , 0.4 , 0.6 , 1.0] . 然后产生5个0-1之间的随机数,将随机数从小到大排序,假如是[0.05 , 0.2 , 0.7 , 0.8 ,0.9],则将0号个体、1号个体、4号个体、4号个体、4号个体拷贝到新种群中。自然选择的结果使种群更符合条件了。5、繁殖
假设个体a、b的基因是
a = [1, 0, 0, 0, 0, 1, 1, 1, 0, 0]
4 j. f; [8 ]: y
b = [0, 0, 0, 1, 1, 0, 1, 1, 1, 1]
# [0 H5 c+ L4 U, k8 u
这两个个体发生基因交换的概率pc = 0.6.如果要发生基因交换,则产生一个随机数point表示基因交换的位置,假设point = 4,则:
7 Z X: K2 ~2 Y. v9 d
a = [1, 0, 0, 0, 0, 1, 1, 1, 0, 0]3 l3 Z" q. e/ m o6 v" @: m! L
b = [0, 0, 0, 1,1, 0, 1, 1, 1, 1]
交换后为:( R J3 G3 ~) O0 b% T. n; q: _; V/ ^
a = [1, 0, 0, 0, 1, 0, 1, 1, 1, 1]1 m! p( x5 D; b- w/ _; k
b = [0, 0, 0, 1, 0, 1, 1, 1, 0, 0]6、突变
遍历每一个个体,基因的每一位发生突变(0变为1,1变为0)的概率为0.001.突变可以增加解空间二、代码def b2d(b): #将二进制转化为十进制 x∈[0,10] t = 0 for j in range(len(b)): t += b[j] * (math.pow(2, j)) t = t * 10 / 1023 return tpopsize = 50 #种群的大小#用遗传算法求函数最大值:#f(x)=10*sin(5x)+7*cos(4x) x∈[0,10]chromlength = 10 #基因片段的长度pc = 0.6 #两个个体交叉的概率pm = 0.001; #基因突变的概率results = [[]]bestindividual = []bestfit = 0fitvalue = []tempop = [[]]pop = [[0, 1, 0, 1, 0, 1, 0, 1, 0, 1] for i in range(popsize)]for i in range(100): #繁殖100代 objvalue = calobjvalue(pop) #计算目标函数值 fitvalue = calfitvalue(objvalue); #计算个体的适应值 [bestindividual, bestfit] = best(pop, fitvalue) #选出最好的个体和最好的函数值 results.append([bestfit,b2d(bestindividual)]) #每次繁殖,将最好的结果记录下来 selection(pop, fitvalue) #自然选择,淘汰掉一部分适应性低的个体 crossover(pop, pc) #交叉繁殖 mutation(pop, pc) #基因突变 results.sort() print(results[-1]) #打印函数最大值和对应的def calfitvalue(objvalue):#转化为适应值,目标函数值越大越好,负值淘汰。 fitvalue = [] temp = 0.0 Cmin = 0; for i in range(len(objvalue)): if(objvalue+ Cmin > 0): temp = Cmin + objvalueelse: temp = 0.0 fitvalue.append(temp) return fitvalueimport mathdef decodechrom(pop): #将种群的二进制基因转化为十进制(0,1023) temp = []; for i in range(len(pop)): t = 0; for j in range(10): t += pop[j] * (math.pow(2, j)) temp.append(t) return tempdef calobjvalue(pop): #计算目标函数值 temp1 = []; objvalue = []; temp1 = decodechrom(pop) for i in range(len(temp1)): x = temp1* 10 / 1023 #(0,1023)转化为 (0,10) objvalue.append(10 * math.sin(5 * x) + 7 * math.cos(4 * x)) return objvalue #目标函数值objvalue[m] 与个体基因 pop[m] 对应 def best(pop, fitvalue): #找出适应函数值中最大值,和对应的个体 px = len(pop) bestindividual = [] bestfit = fitvalue[0] for i in range(1,px): if(fitvalue> bestfit): bestfit = fitvaluebestindividual = popreturn [bestindividual, bestfit]import randomdef sum(fitvalue): total = 0 for i in range(len(fitvalue)): total += fitvaluereturn totaldef cumsum(fitvalue): for i in range(len(fitvalue)): t = 0; j = 0; while(j <= i): t += fitvalue[j] j = j + 1 fitvalue= t;def selection(pop, fitvalue): #自然选择(轮盘赌算法) newfitvalue = [] totalfit = sum(fitvalue) for i in range(len(fitvalue)): newfitvalue.append(fitvalue/ totalfit) cumsum(newfitvalue) ms = []; poplen = len(pop) for i in range(poplen): ms.append(random.random()) #random float list ms ms.sort() fitin = 0 newin = 0 newpop = pop while newin < poplen: if(ms[newin] < newfitvalue[fitin]): newpop[newin] = pop[fitin] newin = newin + 1 else: fitin = fitin + 1 pop = newpopimport randomdef crossover(pop, pc): #个体间交叉,实现基因交换 poplen = len(pop) for i in range(poplen - 1): if(random.random() < pc): cpoint = random.randint(0,len(pop[0])) temp1 = [] temp2 = [] temp1.extend(pop[0 : cpoint]) temp1.extend(pop[i+1][cpoint : len(pop)]) temp2.extend(pop[i+1][0 : cpoint]) temp2.extend(pop[cpoint : len(pop)]) pop= temp1 pop[i+1] = temp2import randomdef mutation(pop, pm): #基因突变 px = len(pop) py = len(pop[0]) for i in range(px): if(random.random() < pm): mpoint = random.randint(0,py-1) if(pop[mpoint] == 1): pop[mpoint] = 0 else: pop[mpoint] = 1
! ]( J9 j7 k( a: v7 K, Q# o- a/ f( Y8 \/ t* s
' P# c+ |( I" g( Q
python遗传算法计算实例_python实现的遗传算法实例(一)相关推荐
- python基础数据实例_Python基本数据类型及实例详解
Python 中的变量不需要声明.每个变量在使用前都必须赋值,变量赋值以后该变量才会被创建. 在 Python 中,变量就是变量,它没有类型,我们所说的"类型"是变量所指的内存中对 ...
- python mse_python 计算平均平方误差(MSE)的实例
我们要编程计算所选直线的平均平方误差(MSE), 即数据集中每个点到直线的Y方向距离的平方的平均数,表达式如下: MSE=1n∑i=1n(yi−mxi−b)2 最初麻烦的写法# TODO 实现以下函数 ...
- python函数实例与类实例_python – 在类和实例上表现不同的函数
好问题!您使用描述符可以轻松完成您所寻求的内容. Descriptors是实现描述符协议的Python对象,通常以__get __()开头. 它们主要存在于不同类中的类属性.在访问它们时,将调用它们的 ...
- python语法简单吗_python基本语法练习实例 python好学吗? 语法简单吗? 举个例子?...
Python学了基础语法,如何练习一些项目呢?学了基础语法,你学一学Django框架和爬虫吧,我现在正在学爬虫相关的教程,黑马程序员视频库里就有相关的教程,我就是在那里下载的,目前正在学. 推荐几个适 ...
- python怎么计算百分比_python计算两个数的百分比方法
工作中遇到了要计算两个数百分比的问题,python 2.7 环境. 代码: #!/usr/bin/env python #function: 计算百分比 #USAGE: python calculat ...
- python类继承实例_Python实现类继承实例
Python是一种解释型.面向对象.动态数据类型的高级程序设计语言,本文就举一例Python类继承的实例. 实例代码如下: #! /usr/bin/python # Filename: inherit ...
- python怎么计算圆_python计算圆心
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 导语:这几天,小编学习到了一个好玩的摄像头图像圆心计算的程序代码. 另外,小编t ...
- python数学计算例子_Python OpenCV实例:直方图计算(数学公式简单实现)
#coding:utf-8 ''' 直方图 ''' import cv2 import numpy as np import matplotlib.pyplot as plt ''' 计算RGB图像每 ...
- python怎么计算积分_Python 计算积分实例
import numpy as np from scipy import integrate import matplotlib.pyplot as plt plt.figure(figsize=(9 ...
- python多进程应用场景_python使用多进程的实例详解
python多线程适合IO密集型场景,而在CPU密集型场景,并不能充分利用多核CPU,而协程本质基于线程,同样不能充分发挥多核的优势. 针对计算密集型场景需要使用多进程,python的multipro ...
最新文章
- Ubuntu下安装Anaconda
- 英伟达RTX 30系列卖得太好,财报业绩创新高,老黄:Arm收购完成时间已确定
- Pycharm 创建 Django admin 用户名和密码
- prfm预加载指令使用说明
- vs2017 cmake android,CMake构建VS2017工程
- 两个系统交互方式有几种_创新性OriginOS系统,打造个性化交互方式,很给力
- 1039. Course List for Student (25)
- python使用lxml解析html获取页面内所有叶子节点的xpath路径
- VS语音信号处理(5) C语言PCM格式语音存为WAV格式语音工程实例
- html 默认ie设置,如何设置ie为默认浏览器,教您如何设置ie为默认浏览器
- Openjudge 1.13 33:实数加法
- halcon学习笔记4-字符识别(包括汉字识别)
- PCIe 1. PCI与PCIe学习一——硬件篇
- 彻底卸载360安全卫士的方法
- 使用EditPlus替换文件中的某一字符为换行符
- JavaScript 判断是否是数字 isFinite() Number.isFinite()
- 三行代码,可以让你电脑崩溃!
- 扁平化数据处理成tree树形结构
- 程序员装机软件 list
- python调用浏览器内核实现内嵌浏览器_python实现随机调用一个浏览器打开网页