WORD格式可编辑

专业知识分享

一 需求分析

1．本程序演示的是用简单遗传算法随机一个种群，然后根据所给的交叉率，变异率，世代数计算最大适应度所在的代数

2．演示程序以用户和计算机的对话方式执行，即在计算机终端上显示“提示信息”之后，由用户在键盘上输入演示程序中规定的命令；相应的输入数据和运算结果显示在其后。

3．测试数据

输入初始变量后用y=100*(x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)其中-2.048<=x1,x2<=2.048作适应度函数求最大适应度即为函数的最大值

二 概要设计

1．程序流程图

开始

开始

Gen=0

编码

随机产生M个初始个体

满足终止条件?

计算群体中各个体适应度

从左至右依次执行遗传算子

j = 0

j = 0

j = 0

根据适应度选择复制个体

选择两个交叉个体

选择个体变异点

执行变异

执行交叉

执行复制

复制的个体添入新群体中

交叉后添入新群体中

变异后添入新群体中

j = j+1

j = j+2

j = j+1

Gen=Gen+1

输出结果

终止

Y

N

Y

Y

Y

N

N

N

pc

pm

2．类型定义

int popsize; //种群大小

int maxgeneration; //最大世代数

double pc; //交叉率

double pm; //变异率

struct individual

{

char chrom[chromlength+1];

double value;

double fitness; //适应度

};

int generation; //世代数

int best_index;

int worst_index;

struct individual bestindividual; //最佳个体

struct individual worstindividual; //最差个体

struct individual currentbest;

struct individual population[POPSIZE];

3．函数声明

void generateinitialpopulation();

void generatenextpopulation();

void evaluatepopulation();

long decodechromosome(char *,int,int);

void calculateobjectvalue();

void calculatefitnessvalue();

void findbestandworstindividual();

void performevolution();

void selectoperator();

void crossoveroperator();

void mutationoperator();

void input();

void outputtextreport();

4．程序的各函数的简单算法说明如下：

(1)．void generateinitialpopulation ()和void input ()初始化种群和遗传算法参数。

input() 函数输入种群大小，染色体长度，最大世代数，交叉率，变异率等参数。

(2) void calculateobjectvalue();计算适应度函数值 。

根据给定的变量用适应度函数计算然后返回适度值。

(3)选择函数selectoperator()

在函数selectoperator()中首先用rand ()函数产生0～1间的选择算子，当适度累计值不为零时，比较各个体所占总的适应度百分比的累计和与选择算子，直到达到选择算子的值那个个体就被选出，即适应度为fi的个体以fi/∑fk的概率继续存在；

显然，个体适应度愈高，被选中的概率愈大。但是，适应度小的个体也有可

能被选中，以便增加下一代群体的多样性。

(4)染色体交叉函数crossoveroperator()

这是遗传算法中的最重要的函数之一，它是对个体两个变量所合成的染色体进行交叉，而不是变量染色体的交叉，这要搞清楚。首先用rand ()函数产生随机概率，若小于交叉概率，则进行染色体交叉，同时交叉次数加1。这时又要用rand()函数随机产生一位交叉位，把染色体的交叉位的后面部分交叉即可；若大于交叉概率，则进行简单的染色体复制即可。

(5)染色体变异函数mutation()

变异是针对染色体字符变异的，而不是对