求助：遗传算法代码（java）

小弟急需该算法的代码，还望各位多多帮助！谢谢！

4 个解决方案

#1

public class JGA {  bestindival bd = null;  String[] ipop = new String[10];  int gernation = 0;  public JGA() {
  this.ipop = inialPops();
 }  double calculatefitnessvalue(String str) { // str为染色体，前面18个为x1表示部分，后面15个为x2表示部分
  String str1 = str.substring(0, 18);
  // System.out.println(str1);
  String str2 = str.substring(18);
  // System.out.println(str2);
  int b1 = Integer.parseInt(str1, 2);
  // System.out.println(b1);
  int b2 = Integer.parseInt(str2, 2);
  // System.out.println(b2);
  double x1 = -3.0 + b1 * (12.1 - (-3.0)) / (Math.pow(2, 18) - 1);
  // System.out.println(x1);
  double x2 = 4.1 + b2 * (5.8 - 4.1) / (Math.pow(2, 15) - 1);
  // System.out.println(x2);
  double fitness = 21.5 + x1 * Math.sin(4 * 3.1415926 * x1) + x2
    * Math.sin(20 * 3.1415926 * x2);
  //System.out.println("eval=f(" + x1 + "," + x2 + ")=" + fitness);
  return fitness;
 }  String inialPop() { // 初始化10个字符串
  String res = "";
  for (int i = 0; i < 33; i++) {
   if (Math.random() > 0.5) {
    res += "0";
   } else {
    res += "1";
   }   }
  return res;
 }  String[] inialPops() {
  String[] ipop = new String[10];
  for (int i = 0; i < 10; i++) {
   ipop[i] = inialPop();
  }
  return ipop;  }  void select() {
  double evals[] = new double[10];// 所有染色体适应值
  double p[] = new double[10];// 各染色体选择概率
  double q[] = new double[10];// 累计概率
  double F = 0;
  for (int i = 0; i < 10; i++) {
   evals[i] = calculatefitnessvalue(ipop[i]);
   if (bd == null) {
    bd = new bestindival();
    bd.fitness = evals[i];
    bd.generations = 0;
    bd.str = ipop[i];
   } else {
    if (evals[i] > bd.fitness)// 最好的记录下来
    {
     bd.fitness = evals[i];
     bd.generations = gernation;
     bd.str = ipop[i];
    }    }
   F = F + evals[i];// 所有染色体适应值总和   }
  for (int i = 0; i < 10; i++) {
   p[i] = evals[i] / F;
   if (i == 0)
    q[i] = p[i];
   else {
    q[i] = q[i - 1] + p[i];
   }
  }
  for (int i = 0; i < 10; i++) {    double r = Math.random();
   if (r <= q[0]) {
    ipop[i] = ipop[0];    } else {
    for (int j = 1; j < 10; j++) {
     if (r < q[j]) {
      ipop[i] = ipop[j];
      break;
     }
    }
   }
  }  }  void cross() { // 交叉率为25%，平均为25%的染色体进行交叉
  String temp1, temp2;
  for (int i = 0; i < 10; i++) {
   if (Math.random() < 0.25) {
    double r = Math.random();
    int pos = (int) (Math.round(r * 1000)) % 33;
    if (pos == 0) {
     pos = 1;
    }
    temp1 = ipop[i].substring(0, pos)
      + ipop[(i + 1) % 10].substring(pos);
    temp2 = ipop[(i + 1) % 10].substring(0, pos)
      + ipop[i].substring(pos);
    ipop[i] = temp1;
    ipop[(i + 1) / 10] = temp2;    }   }
 }  void mutation() {
  // 1%基因变异m*pop_size 共330个基因，为了使每个基因都相投机会发生变异，需要产生[1--330]上均匀分布的
  for (int i = 0; i < 4; i++) {
   int num = (int) (Math.random() * 330 + 1);
   int chromosomeNum = (int) (num / 33) + 1; // 染色体号
   int mutationNum = num - (chromosomeNum - 1) * 33; // 基因号
   if (mutationNum == 0)
    mutationNum = 1;
   //System.out.println(num + "," + chromosomeNum + "," + mutationNum);
   chromosomeNum = chromosomeNum - 1;
   if(chromosomeNum>=10)
    chromosomeNum=9;
   //System.out.println("变异前" + ipop[chromosomeNum]);
   String temp;
   if (ipop[chromosomeNum].charAt(mutationNum - 1) == '0') {
    if (mutationNum == 1) {
     temp = "1" + ipop[chromosomeNum].substring(mutationNum);
    } else {
     if (mutationNum != 33) {
      temp = ipop[chromosomeNum]
        .substring(0, mutationNum - 1)
        + "1"
        + ipop[chromosomeNum].substring(mutationNum);
     } else {
      temp = ipop[chromosomeNum]
        .substring(0, mutationNum - 1)
        + "1";
     }
    }
   } else {
    if (mutationNum == 1) {
     temp = "0" + ipop[chromosomeNum].substring(mutationNum);
    } else {
     if (mutationNum != 33) {
      temp = ipop[chromosomeNum]
        .substring(0, mutationNum - 1)
        + "0"
        + ipop[chromosomeNum].substring(mutationNum);
     } else {
      temp = ipop[chromosomeNum]
        .substring(0, mutationNum - 1)
        + "1";
     }
    }    }
   ipop[chromosomeNum] = temp;
   //System.out.println("变异后" + ipop[chromosomeNum]);   }  }
 
 void process()
 {
  for(int i=0;i<1000000;i++)
  {
   select();
   cross();
   mutation();
   gernation=i;
   
  }
  System.out.println("最优值"+bd.fitness+",代数"+bd.generations);
 }  public static void main(String args[]) {
  JGA j = new JGA();
  // System.out.println(j.calculatefitnessvalue("000001010100101001101111011111110"));
  j.process();  }
} class bestindival { // 存储最佳的
 public int generations;  public String str;  public double fitness; }



直接转的。

#2

我刚好看到过，哈哈

#3

该回复于2008-05-01 06:27:10被版主删除

#4

要是有详细的讲解就好了