遗传算法实验报告

1、一、试验题目求解线性约束优化问题的遗传算法将物品由7个起运站运到7个目的地；由i站运到j地的单位运费是Cj., /表示i站的供应量，加表示j地的需求量，勺表示从i站到j地的运量。 JJJ（i,八 1,2,，7） 约束条件：Minimize /(勺)subject toxn + xn + x13 + x14 + x15 + x16 + x17 =27 %2 + 超2 + 工23 + 工24 + 工25 + 工26 + /7 = 28 %31 + %32 + %33 + %34 + %35 + %36 + %37 = 25 工41 + 142 + 工43 + 144 + X45 + 工46 + 1

2、47 = 2。 %51 + %52 + %53 + %54 + %55 + %56 + *57 = 20 % + % + %63 + *64 + %65 + *66 + %67 = 20 171 + 172 + 工73 + 174 + 工75 + 176 + 177 = 20XH +%2I +%31 +4i+51 +41 +X71 -20 x12 + x22 + x32 + x42 + x52 + x62 + x72 = 20 %3 + *23 + %33 + %43 + ”53 + %63 + 473 : 20 x14 + x24 +x34 +x44 + x54 +x64 +x74 =23

3、%15 + %25 + %35 + %45 + %55 + %65 + %75 = 26 占6 +%26 +%36 +%46 +%56 +%66 +%76 = 25 x17 + x21 + x37 + x47 + x57 + x67 + x77 = 26 Xtj 0,/ = l,2,-,7, j = l,2,-7目标函数为：f(Xg) + Pi，j(.、P7 7罚函数为：P = k-旺.T7z=l j=l其中，k=l, P=l/14, f为第t代群体的平均适应度，T为最大运行代数，d,为约束的违反度。费用参数表如下:G27282520202020200215062937710002021017

4、546710004820501706098672523625460027100038269367982704742257710006710004703526100048253842350使用策略：通用遗传算法模型、精英保存策略、轮盘赌法策略选择个体交叉 和变异，对上述例子进行了算法的测试，种群个体大小为40,迭代10000次， 得到比拟稳定的结果。每次运行的结果是得到一个相对稳定的、代价小的目标值。 试验结果：在当前条件下，在初始种群的40个个体，经过10000次迭代得到最 低运费为1279,并且程序屡次运行结果都稳定在1300左右。二、试验环境操作系统：Microsoft Windows X

5、P Professional软件：Microsoft Visual C+ 6. 0 三、试验设计原理.试验内容分析本试验采纳遗传算法求解带约束条件的函数优化问题。.遗传算法的思想生物的进化是以集团为主体的。与此相对应，遗传算法的运算对象是由M个 个体所组成的集合，称为群体。与生物一代一代的自然进化过程相类似，遗传算 法的运算过程也是一个反复迭代过程，第t代群体极为P(t),进过一代遗传和 进化后，得到第t + 1代群体，他们也是由多个个体组成的集合，记做P (t+l)o 这个群体不断地经过遗传和进化操作，并且每次都根据有优胜劣汰的规章将适应 度较高的个体更多地遗传到下一代，这样最终在群体中将会

6、得到一个优良的个体X,它所对应的表现性X将到达或接近于问题的最优解X*。.算法实现步骤产生初始种群：产生初始种群的方法通常有两种：一种是完全随机的方法 产生的，适合于对问题的解无任何先验学问的状况；另一种是将某些先验学问转 变为必需满意的一组要求，然后在满意这些要求的解中再随机地选择样本，t=0, 随机产生n个个体形成一个初始群体P (t),该群体代表优化问题的一些可能解 的集合；适应度评价函数：按编码规章，将群体P (t)中的每一个个体的基因码 所对应的自变量取值代入目标函数，算出其函数值F/i=l,2,n,匕越大，表示该个体有较高的适应度，更适合于f所定义的生存环境，适应度F,为群体进化供

7、应了依据；选择：按肯定概率从群体P (t)中选出m个个体，作为双亲用于繁殖后 代，产生新的个体加入下一个群体P (t+1)中；交叉(重组)：对于选中的用于繁殖的每一个个体，选择一种交叉方法， 产生新的个体；变异：以肯定的概率从群体p (t+1)中随机选择假设干个个体，对于选中的个体，进行变异；对产生新一代的群体返回步骤再进行评价，交叉、变异如此循环往复， 使群体中个体的适应度和平均适应度不断提高，直至最优个体的适应度到达某一 限值或最优个体的适应度和群体的平均适应度不再提高，那么迭代过程收敛，算法 结束。4.算法流程图开头群体P (t)选择运算交叉运算个体评价变异运算群体p（t+i）群体p（t+i）解码解集合5.试验调试与结果分析（问题的觉察、分析、解决方案与创新）1）程序结果如下列图：Best Finess：15168.7 第9999代：Best Fitness：15045.1Gbest Fitness：78186.1得到一个可行解； 00005Gbest Fitness：78186.1得到一个可行解； 0000571720202020 20 20 23 26 25 26总运费为；1279Press any key to coni; Inue2）收敛效果如下列图:0.501000 2000 3000 40CO 500