2022年人工智能遗传算法

1、人工智能 遗传算法试验报告 试验目的 1 熟识和把握遗传算法的原理,实质 2 学会使用遗传算法解决问题 3 学会编写遗传算法程序查找函数最值 试验原理 遗传算法是仿真生物遗传学和自然选择机理, 通过人工方式所构造的一类搜 索算法,从某种程度上说遗传算法是对生物进化构成进行的数学方式仿真； 在遗 传算法中染色体对应的是一系列符号序列, 在标准的遗传算法 即基本遗传算法 中,通常用 0, 1 组成的位串表示,串上各个位置对应基因座,各位置上的取值 对应等位基因； 遗传算法对染色体进行处理, 染色体称为基因个体； 确定数量的 基因个体组成基因种群； 种群中个体的数目为种群的规模, 各个体对环境的适应

2、 程度称为适应度； 试验条件 1. Window NT/xp/7 及以上的操作系统 2. 内存在 512M 以上 3. CPU 在奔腾 II 以 上 试验内容 1. 用遗传算法解决下面函数的极大值问题； f x x 2 其中 x 0,31 2. 遗传算法的具体实施策略不限,最好用 MATLAB 试验分析 1.遗传算法基本步骤 选择目标函数,确定变量定义域及编码精度,形成编码方案 随机产生一个规模为 （即该种群中含有个体）的种群 1第 1 页,共 5 页人工智能 对被选择进入匹配池中的个体进行交叉操作,形成新种群 以小概率在种群 中选择个体进行变异操作形成新种群 运算每个个体的适值 依据适值概率

3、选择 个新个体形成新种群 检查终止条件,如中意就算法终止,当前种群中适值最高的个体即所 求解；否就转 2.遗传算法的优点 遗传算法以把握变量的编码作为运算对象； 这种对把握变量的编码处 理方式,可以仿照自然界中生物的遗传和进化等机理,也使得我们可 以便利地处理各种变量和应用遗传操作算子； 遗传算法具有内在的本质并行性； 遗传算法直接以目标函数值作为搜寻信息； 遗传算法是接受概率的变迁规章来指导它的搜寻方向, 其搜寻过程朝 着搜寻空间的更优化的解区域移动, 它的方向性使得它的效率远远高 于一般的随机算法； 原理简洁,操作便利,占用内存少,适用于运算机进行大规模运算, 特殊适合处理传统搜寻方法难以

4、解决的大规模, 非线性组合复杂优化 问题； 由于遗传基因串码的不连续性, 所以遗传算法处理非连续混合整数规 划时有其特殊的优越性, 而且使得遗传算法对某些病态结构问题具有 很好的处理才能； 遗传算法同其他算法有较好的兼容性；如可以用其他的算法求初始 解；在每一代种群,可以用其他的方法求解下一代新种群； 试验步骤 算法流程图 2第 2 页,共 5 页人工智能 开头 初始化,输入原始参 数及给定参数, gen=1 染色体编码,产生初始群体 运算种群中每个个体的适应值 终止条件的判定？ Ngen=gen+1 选择 交叉 Y 变异 新种群 输出结果 终止 程序代码 #include #include

5、#include typedef struct int code; / 染色体 int degree;/ 适应度 Indi; 3第 3 页,共 5 页人工智能 Indi group40;/ 种群规模为 40 void JudgeIndi &x x.degree=x.code*x.code; int happeneddouble p/ 发生一个 p=01 间概率的大事 return randintp*RAND_MAX; void CrossIndi &x,Indi &y/交叉操作 Indi z,z1; int temp,temp1; temp=x.code&0 x3; temp1=y.code&

6、0 x3; z.code=x.code-temp+temp1; z1.code=y.code-temp1+temp; Judgez; Judgez1; ifx.degree=x.degree /假如新个体不如双亲,剔除之 x=z; else ifz.degree=y.degree y=z; ifx.degree=x.degree /假如新个体不如双亲,剔除之 x=z1; else ifz1.degree=y.degree y=z1; 4第 4 页,共 5 页人工智能 int mainvoid Indi indidest; int i,j,best,x,y,c; int sum,strick,S

7、UM=0; static int n=0; srandtimeNULL; fori=0;i40;+i/ 随机得到初始种群 groupi.code=rand%32; Judgegroupi; fori=1;i=10;+i/ 固定进化 10 代 为 forsum=0,best=0,j=0;jgroupbest.degree best=j;/ 求当前最优个体 printf 第%2d 代中 最优个体为 %d %d 平均适应度 %10fn, i,groupbest.code,groupbest.degree,sum/40.0; forc=40;c;-c strick=intfloatrand/RAND_MAX*sum; / 赌盘中的色 子,选择个体 x,y forx=0;x=groupx.degree;+x strick-=groupx.degree; strick=intfloatrand/RAND_MA