這篇文章主要介紹了C++實現簡單遺傳算法,以實例形式較為詳細的分析了遺傳算法的C++實現技巧,具有一定參考借鑒價值,需要的朋友可以參考下

本文實例講述了C++實現簡單遺傳算法。分享給大家供大家參考。具體實現方法如下：

1. //遺傳算法 GA  
2. #include<iostream> 
3. #include <cstdlib> 
4. #include<bitset> 
5. using namespace std; 
6. const int L=5; //定義編碼的長度  
7. int f(int x) //定義測設函數f(x)  
8. { 
9. int result; 
10. result=x*x*x-60*x*x+900*x+100; 
11. return result; 
12. } 
13. int main(int argc,char *argv[]) 
14. { 
15. int a(0),b(32); //定義x的定義域范圍 
16. const int pop_size=8; //定義種群大小 
17. // int L; //指定編碼的長度  
18. const int NG=20; //指定種群最大的繁殖的代數  
19. int t=0; //當前繁殖的代數  
20. int p[pop_size]; //定義種群  
21. int q[pop_size]; //定義繁殖種群 即種群的下一代  
22. srand(6553); //定義隨機數生成的種子  
23. double sum; //適值總和  
24. double avl_sum; //適度平均值  
25. double p_probability[pop_size]; //適值概率  
26. double pp[pop_size]; 
27. double pro; //定義隨機生成的概率  
28. float pc=0.90; //定義交叉的概率  
29. float pm=0.05; //定義變異的概率  
30. cout<<"初始的種群 ";  
31. for(int i=0;i<pop_size;i++) //生成初始的第0代種群  
32. { 
33. p[i]=rand()%31; 
34. cout<<p[i]<<" "; 
35. } 
36. cout<<endl; 
37. cout<<endl; 
38. void Xover(int &,int &); //聲明交叉函數  
39. //當停止準則不滿足 即繁殖代數沒到最大代數 ,繼續繁殖 
40. while(t<=NG)  
41. {  
42. cout<<"繁殖的代數：t="<<t<<endl; 
43. sum=0.0; 
44. for(int i=0;i<pop_size;i++)  
45. { 
46. q[i]=p[i]; 
47. cout<<q[i]<<" "; 
48. } 
49. cout<<endl; 
50. for(int i=0;i<pop_size;i++) //計算sum  
51. sum +=f(p[i]); 
52. avl_sum=sum/pop_size; 
53. cout<<"sum="<<sum<<endl; 
54. cout<<"適度平均值="<<avl_sum<<endl;  
55. for(int i=0;i<pop_size;i++) //計算適值概率  
56. { 
57. p_probability[i]=f(p[i])/sum; 
58. if(i==0) 
59. { 
60. pp[i]=p_probability[i]; 
61. cout<<"pp"<<i<<"="<<pp[i]<<endl; 
62. } 
63. else 
64. { 
65. pp[i]=p_probability[i]+pp[i-1]; 
66. cout<<"pp"<<i<<"="<<pp[i]<<endl; 
67. } 
68. //cout<<"p_probability"<<i<<"="<<p_probability[i]<<endl; 
69. } 
70. //選擇雙親 
71. for(int i=0;i<pop_size;i++)  
72. { 
73. pro=rand()%1000/1000.0; 
74. if(pro>=pp[0]&&pro<pp[1]) 
75. p[i]=q[0];  
76. else if(pro>=pp[1]&&pro<pp[2]) 
77. p[i]=q[1]; 
78. else if(pro>=pp[2]&&pro<pp[3]) 
79. p[i]=q[2]; 
80. else if(pro>=pp[3]&&pro<pp[4]) 
81. p[i]=q[3]; 
82. else if(pro>=pp[4]&&pro<pp[5]) 
83. p[i]=q[4]; 
84. else 
85. p[i]=q[5];  
86. } 
87. //雜交算子 
88. int r=0; 
89. int z=0;  
90. for(int j=0;j<pop_size;j++)  
91. { 
92. pro=rand()%1000/1000.0; 
93. if(pro<pc) 
94. { 
95. ++z; 
96. if(z%2==0) 
97. Xover(p[r],p[j]); 
98. else 
99. r=j;  
100. }  
101. }  
102. //變異算子  
103. for(int i=1;i<=pop_size;i++) 
104. for(int j=0;j<L;j++) 
105. { 
106. pro=rand()%1000/1000.0; //在【0,1】區間產生隨機數 
107. if(pro<pm) 
108. { 
109. bitset<L>v(p[i]);  
110. v.flip(j); 
111. p[i]=v.to_ulong(); 
112. }  
113. }  
114. t++; 
115. cout<<endl; //種群繁殖一代  
116. } 
117. cout<<"最終結果：";  
118. for(int i(0);i<pop_size;i++) //算法結束，輸出結果  
119. { 
120. cout<<p[i]<<" "; 
121. } 
122. cout<<endl; 
123. return 0; 
124. } 
125. //定義雜交操作  
126. void Xover(int &a,int &b)  
127. {  
128. int pos; //隨機生成雜交點 即第幾個分量進行相互交換 
129. pos=rand()%5+1; //在n個分量中，隨機確定第pos個分量  
130. int j,k; 
131. j=pos; 
132. k=pos; 
133. bitset<L>e(a); 
134. bitset<L>f(b); //前pos個分量進行相互交換 
135. bitset<L>g;  
136. bitset<L>h; 
137. for(int i=0;i<pos;i++) 
138. { 
139. if(e[i]==1) 
140. g.set(i);  
141. } 
142. for(int i=0;i<pos;i++) 
143. { 
144. if(f[i]==1) 
145. h.set(i); 
146. } 
147. for(j;j<L;j++) 
148. { 
149. if(f[j]==1) 
150. g.set(j); 
151. } 
152. for(k;k<L;k++) 
153. { 
154. if(e[k]==1) 
155. h.set(k); 
156. } 
157. a=g.to_ulong(); 
158. b=h.to_ulong();  
159. } 

希望本文所述對大家的C++程序設計有所幫助。