精品文檔遺傳算法實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)?zāi)康? 熟悉和掌握遺傳算法的原理、實(shí)質(zhì)2 學(xué)會(huì)使用遺傳算法解決問(wèn)題3 學(xué)會(huì)編寫(xiě)遺傳算法程序?qū)ふ液瘮?shù)最值實(shí)驗(yàn)原理遺傳算法是仿真生物遺傳學(xué)和自然選擇機(jī)理，通過(guò)人工方式所構(gòu)造的一類(lèi)搜索算法，從某種程度上說(shuō)遺傳算法是對(duì)生物進(jìn)化構(gòu)成進(jìn)行的數(shù)學(xué)方式仿真。在遺傳算法中染色體對(duì)應(yīng)的是一系列符號(hào)序列，在標(biāo)準(zhǔn)的遺傳算法(即基本遺傳算法)中，通常用0, 1組成的位串表示，串上各個(gè)位置對(duì)應(yīng)基因座，各位置上的取值對(duì)應(yīng)等位基因。遺傳算法對(duì)染色體進(jìn)行處理，染色體稱為基因個(gè)體。一定數(shù)量的基因個(gè)體組成基因種群。種群中個(gè)體的數(shù)目為種群的規(guī)模，各個(gè)體對(duì)環(huán)境的適應(yīng)程度稱為適應(yīng)度。實(shí)驗(yàn)條件1. Window NT/xp/7及以上的操作系統(tǒng)2. 內(nèi)存在512M以上3. CPU在奔騰II以上實(shí)驗(yàn)內(nèi)容1. 用遺傳算法解決下面函數(shù)的極大值問(wèn)題。2. 遺傳算法的具體實(shí)施策略不限，最好用MATLAB實(shí)驗(yàn)分析1. 遺傳算法基本步驟 選擇目標(biāo)函數(shù)，確定變量定義域及編碼精度，形成編碼方案 隨機(jī)產(chǎn)生一個(gè)規(guī)模為 （即該種群中含有個(gè)體）的種群 對(duì)被選擇進(jìn)入匹配池中的個(gè)體進(jìn)行交叉操作，形成新種群 以小概率在種群 中選擇個(gè)體進(jìn)行變異操作形成新種群 計(jì)算每個(gè)個(gè)體的適值 根據(jù)適值概率選擇 個(gè)新個(gè)體形成新種群 檢查結(jié)束條件，若滿足則算法結(jié)束，當(dāng)前種群中適值最高的個(gè)體即所求解；否則轉(zhuǎn)2. 遺傳算法的優(yōu)點(diǎn) 遺傳算法以控制變量的編碼作為運(yùn)算對(duì)象。這種對(duì)控制變量的編碼處理方式，可以模仿自然界中生物的遺傳和進(jìn)化等機(jī)理，也使得我們可以方便地處理各種變量和應(yīng)用遺傳操作算子。 遺傳算法具有內(nèi)在的本質(zhì)并行性。 遺傳算法直接以目標(biāo)函數(shù)值作為搜索信息。 遺傳算法是采用概率的變遷規(guī)則來(lái)指導(dǎo)它的搜索方向，其搜索過(guò)程朝著搜索空間的更優(yōu)化的解區(qū)域移動(dòng)，它的方向性使得它的效率遠(yuǎn)遠(yuǎn)高于一般的隨機(jī)算法。 原理簡(jiǎn)單，操作方便，占用內(nèi)存少，適用于計(jì)算機(jī)進(jìn)行大規(guī)模計(jì)算，尤其適合處理傳統(tǒng)搜索方法難以解決的大規(guī)模、非線性組合復(fù)雜優(yōu)化問(wèn)題。 由于遺傳基因串碼的不連續(xù)性，所以遺傳算法處理非連續(xù)混合整數(shù)規(guī)劃時(shí)有其獨(dú)特的優(yōu)越性，而且使得遺傳算法對(duì)某些病態(tài)結(jié)構(gòu)問(wèn)題具有很好的處理能力。 遺傳算法同其他算法有較好的兼容性。如可以用其他的算法求初始解；在每一代種群，可以用其他的方法求解下一代新種群。實(shí)驗(yàn)步驟算法流程圖程序代碼#include#include#includetypedef struct int code; /染色體int degree;/適應(yīng)度Indi;Indi group40;/種群規(guī)模為40void Judge(Indi &x)x.degree=x.code*x.code;int happened(double p)/發(fā)生一個(gè)p=01間概率的事件return rand()(int)(p*RAND_MAX);void Cross(Indi &x,Indi &y)/交叉操作Indi z,z1;int temp,temp1;temp=x.code&0x3;temp1=y.code&0x3;z.code=x.code-temp+temp1;z1.code=y.code-temp1+temp;Judge(z);Judge(z1); if(x.degree=x.degree) /如果新個(gè)體不如雙親，淘汰之x=z;elseif(z.degree=y.degree)y=z;if(x.degree=x.degree) /如果新個(gè)體不如雙親，淘汰之x=z1;elseif(z1.degree=y.degree)y=z1;int main(void)Indi indidest;int i,j,best,x,y,c;int sum,strick,SUM=0;static int n=0;srand(time(NULL);for(i=0;i40;+i)/隨機(jī)得到初始種群groupi.code=rand()%32;Judge(groupi);for(i=1;i=10;+i)/固定進(jìn)化10代for(sum=0,best=0,j=0;jgroupbest.degree)best=j;/求當(dāng)前最優(yōu)個(gè)體printf(第%2d代中 最優(yōu)個(gè)體為 %d (%d) 平均適應(yīng)度為 %10fn,i,groupbest.code,groupbest.degree,sum/40.0);for(c=40;c;-c)strick=(int)(float)rand()/RAND_MAX*sum); /賭盤(pán)中的色子，選擇個(gè)體x,yfor(x=0;x=groupx.degree;+x)strick-=groupx.degree;strick=(int)(float)rand()/RAND_MAX*sum);for(y=0;y=groupy.degree;+y)strick-=groupy.degree;if(happened(0.9)Cross(groupx,groupy);/交叉return 0;程序運(yùn)行效果圖個(gè)人實(shí)驗(yàn)小結(jié)通過(guò)本次實(shí)驗(yàn)，我了解了遺傳算法具體的解決問(wèn)題的過(guò)程，熟悉和掌握遺傳算法的原理、實(shí)質(zhì)，學(xué)會(huì)了使用遺傳算法解決問(wèn)題，同時(shí)也發(fā)現(xiàn)了遺傳算法的缺點(diǎn)：早熟。這是最大的缺點(diǎn)，即算法對(duì)新空間的探索能力是有限的，也容易收斂到局部最優(yōu)解；大量計(jì)算。涉及到大量個(gè)體的計(jì)算，當(dāng)問(wèn)題復(fù)雜時(shí)，計(jì)算時(shí)間是個(gè)問(wèn)題；處理規(guī)模小。目前對(duì)于維數(shù)較高的問(wèn)題，還是很難處理和優(yōu)化的；難于處理非線性約束。對(duì)非線性約束的處理，大部分算法都是添加懲罰因子，這是一筆不小的開(kāi)支；穩(wěn)定性差。因?yàn)樗惴▽儆陔S機(jī)類(lèi)算