遗传算法实验报告

实验一二进制编码函数优化一、实验目的根据给出的数学模型，运用遗传算法求解，并用C语言编程实现。采用二进制编码方式，通过不停调节种群规模、进化代数、交叉因子和变异因子等参数，对目的函数进行优化求解。重点：掌握二进制编码的编程过程。二、实验仪器AcerAspireV5-472G，Windows7旗舰版，64位操作系统Intel(R)Core(TM)i5-3337CPU@1.8GHz1.80GHzMicrosoftVisualC++6.0MicrosoftOfficeExcel三、实验内容及环节采用二进制编码方式优化以下测试函数：DeJong函数F1：极小点f1(0,0,0)＝0。DeJong函数F2：极小点f2(1，1)=0。DeJong函数F3：对于区域内的每一种点，它都取全局极小值。规定：对每一种测试函数，分析不同的种群规模（20～100）、交叉概率（0.4～0.99）和变异概率（0.0001～0.1）对优化成果的影响，试拟定最佳参数组合。四、实验报告(1)根据DeJong函数F1：极小点f1(0,0,0)＝0。给定Cmax=100，MaxGeneration=100，在此基础上变化A：Popsize(20、60、100)、B:Pc（0.3、0.6、0.9）、C：Pm（0.1、0.05、0.001）等参数，设计一种3因素3水平的正交实验，根据正交实验表进行实验。将正交实验因素和实验成果整合成一种正交实验表，如表1.1.1所示。其中M表达best达成0的最小迭代数，N代表Average的收敛性，收敛为1，不收敛为0。对实验成果M、N两项参数进行分析，得到均值响应表，如表1.1.2所示。实验编号实验因素实验成果ABCMNPopsizePcPm1600.30.11802600.60.054103600.90.00151141000.30.00176151000.60.165061000.90.052207200.30.05808200.60.0018619200.90.1580表1.1.1函数F1正交实验表MNABCABC平均值136.6734470.330.330平均值254.336423.670.330.330平均值350.6743.67710.330.331表1.1.2函数F1均值响应表通过分析均值响应表，得到较优的组合为A1B1C2和A1B1C1。下面分别进行分析：A1B1C2，即Cmax=100，MaxGeneration=100，Popsize=60，Pc=0.3，Pm=0.05。A1B1C1，即Cmax=100，MaxGeneration=100，Popsize=60，Pc=0.3，Pm=0.1。曲线分别如图1.1.1和1.1.2所示。图1.1.1A1B1C2图1.1.2A1B1C1能够看到，A1B1C2和A1B1C1分别在第6代和第9代存在最优解，但是两种状况的Average均存在较大波动且无法收敛，故均不是最佳方案。下面分析A1B1C3，其图像如1.1.3所示。图1.1.3A1B1C3从图1.3中能够看到，此时在第8代时存在最优解，在20代时发生突变，在41代时收敛于0。故最后拟定的参数组合为：Popsize=60，Pc=0.3，Pm=0.001，初步判断变异概率和交叉概率对最优解的影响最大。(2)根据DeJong函数F2：极小点f2(1，1)=0。根据函数规定在原始Main函数上进行修改，并进行正交实验，办法和求解DeJong函数F1时类似。给定Cmax=100，MaxGeneration=100，在此基础上变化A：Popsize(20、60、100)、B:Pc（0.3、0.6、0.9）、C：Pm（0.1、0.05、0.001）等参数，设计一种3因素3水平的正交实验，根据正交实验表进行实验。正交实验表如表1.2.1所示，均值对应表如表1.2.2所示。实验编号实验因素实验成果ABCMNPopsizePcPm1200.30.12402200.60.056703200.90.0014114600.30.05505600.60.0011816600.90.114071000.30.00112081000.60.11091000.90.05170表1.2.1函数F2正交实验表MNABCABC平均值14413.67130.3300平均值212.3328.6729.670.330.330平均值3102423.6700.330.67表1.2.2函数F2均值响应表比较下挑选出A3B1C1为最优解，即数据为Popsize=100，Pc=0.3，Pm=0.1进行尝试，发现该状况的Average均存在较大波动且无法收敛，故进行次优方案A2B1C3，即数据为Popsize=60，Pc=0.3，Pm=0.001状况，得到最优解曲线如图1.2.1所示（最佳个体曲线由于过小且波动不明显，故在图中难以看出），在该状况下，在第11代时存在最优解，在23代时发生突变，在16代时收敛于0。图1.2.1A2B1C3根据DeJong函数F3：对于区域内的每一种点，它都取全局极小值。采用同（1）和（2）同样的正交实验办法，给定Cmax=100，MaxGeneration=100，最后对比得出最优解组合参数为：Popsize=20，Pc=0.3，Pm=0.001，并得到其曲线图如图1.3.1所示。在该状况下，在第12代时存在最优解，未发生突变，在51代时收敛于-25。图1.3.1函数F3最优解时的曲线图

实验二实数编码函数优化一、实验目的根据给出的数学模型，运用遗传算法求解，并用C语言编程实现。采用二进制编码方式，通过不停调节种群规模、进化代数、交叉因子和变异因子等参数，对目的函数进行优化求解。重点：掌握二进制编码的编程过程。二、实验仪器AcerAspireV5-472G，Windows7旗舰版，64位操作系统Intel(R)Core(TM)i5-3337CPU@1.8GHz1.80GHzMicrosoftVisualC++6.0MicrosoftOfficeExcel三、实验内容及环节采用实数编码方式优化以下测试函数：(1)DeJong函数F1：极小点f1(0,0,0)＝0。(2)DeJong函数F2：极小点f2(1，1)=0。(3)DeJong函数F3：对于区域内的每一种点，它都取全局极小值。规定：对每一种测试函数，分析不同变异方式（均匀变异、非均匀变异、自适成果）四、实验报告(1)指定Cmax=100，MaxGeneration=100，PopSize=100，Pc=0.7，Pm=0.001。再对该函数分别进行均匀变异、非均匀变异、自适应变异等三种不同变异方式的运算成果，成果分别如图2.1.1、2.1.2、2.1.3所示。图2.1.1图2.1.2图2.1.3根据运算成果，三种编译过程均没有出现明显波动，即使从图中不明显能看出，但通过观察数据，自适应变异更快的达成最优解。(2)指定Cmax=100，MaxGeneration=100，PopSize=100，Pc=0.7，Pm=0.001。再对该函数分别进行均匀变异、非均匀变异、自适应变异等三种不同变异方式的运算成果，成果分别如图2.2.1、2.2.2、2.2.3所示。图2.2.1图2.2.2图2.2.3图2.3.1根据运算成果，三种编译过程均没有出现明显波动，从最佳个体出发分析，三种变异差别不大；从Average出发分析，即使从图中不明显能看出，但通过观察数据，自适应变异方式更佳。(3)指定Cmax=100，MaxGeneration=100，PopSize=100，Pc=0.7，Pm=0.001。再对该函数分别进行均匀变异、非均匀变异、自适应变异等三种不同变异方式的运算成果，成果分别如图2.3.1、2.3.2、2.3.3所示。图2.3.2图2.3.3根据实验成果，可能是交叉概率和变异概率选的有问题，三种状况的最佳个体从一开始就是-19，保持不变；并且从均值出发从图中也看不出明显特性。通过Excel数据看出自适应变异方式下的运行成果相对较合理，比较靠近最优解。

实验三排列方式编码优化旅行商问题一、实验目的针对实际的旅行商问题（TravelingSalesmanProblem），试着将它抽象成数学模型，并用遗传算法对其编程求解，旨在求得最佳的旅行行走路线。二、实验仪器AcerAspireV5-472G，Windows7旗舰版，64位操作系统Intel(R)Core(TM)i5-3337CPU@1.8GHz1.80GHzMicrosoftVisualC++6.0MicrosoftOfficeExcel三、实验内容及环节用遗传算法求解旅行商问题（给出若干个都市，以及任意两个都市之间的距离。给定从某一种都市出发，拟定旅行商行走路线，使得最后回到原点的路线长度最短），其中都市随处位置的横坐标与纵坐标如表3.1所示。序号横坐标纵坐标序号横坐标纵坐标121642016310291249765717215782336017018315192486034619327121511563820443306564390213773357775569222871288651483239573792256024620871102459262581831011821383265504011299151127298361384248628572787144633942941892158454530555855表3.1都市序号及对应坐标位置规定采用部分映射交叉算子和交换变异算子。分析不同参数组合对成果的影响。四、实验报告给定Cmax=0，MaxGeneration=800，在此基础上变化A：Popsize(20、60、100)、B:Pc（0.3、0.6、0.9）、C：Pm（0.1、0.05、0.001）等参数，设计一种3因素3水平的正交实验，根据正交实验表进行实验。将正交实验因素和实验成果整合成一种正交实验表，如表3.1.1所示。其中P表达Average，Q代表Best。实验编号实验因素实验成果ABCP（Mean）Q（Mean）PopsizePcPm1200.30.17553.7627247.2212200.60.057698.2467823.0083200.90.0019816.3179768.8724600.30.058038.2467566.4685600.60.0017532.1257296.7656600.90.18364.6986776.76471000.30.0019182.2