遗传算法的实现与应用.doc

人工智能 上机实验报告 学号： 所在系： 信息学院 班级： 惠普开发142班 实验名称： 遗传算法的实现与应用 实验日期 2016年12月10日 实验指导教师 李辉 实验机房 A401 ------------------------------------------------------------------------------------------------------ 实验目的： (1)理解遗传算法的基本过程，掌握其选择-复制、交叉、变异三种运算。 (2)掌握基本遗传算法，会建立适应度函数，通过遗传算法的迭代实现优化问题。 2. 实验内容： 3．算法设计（编程思路或流程图或源代码） (1) #include stdio.h #includestdlib.h #includetime.h #includemath.h #define POPSIZE 500 #define maximization 1 #define minimization 2 #define cmax 100 #define cmin 0 #define length1 10 #define length2 10 #define chromlength length1+length2 //染色体长度 int functionmode=maximization; 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]; //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(); void generateinitialpopulation( ) //种群初始化 { int i,j; for (i=0;ipopsize; i++) { for(j=0;jchromlength;j++) { population[i].chrom[j]=(rand()%105)?0:1; } population[i].chrom[chromlength]=\0; } } void generatenextpopulation() //生成下一代 { selectoperator(); crossoveroperator(); mutationoperator(); } void evaluatepopulation() //评价个体，求最佳个体 { calculateobjectvalue(); calculatefitnessvalue(); findbestandworstindividual(); } long decodechromosome(char *string ,int point,int length) //给染色体解码 { int i; long decimal=0; ch