遗传算法的流程图.docx

一需求分析1 .本程序演示的是用简单遗传算法随机一个种群,然后根据所给的交叉率，变异率，世代数计算最大适应度所在的代数2 .演示程序以用户和计算机的对话方式执行,即在计算机终端上显示"提示信息”之后,由用户在键盘上输入演示程序中规定的命令；相应的输入数据和运算结果显示在其后。3 .测试数据输入初始变量后用y=100*(xl*xl-×2)*(xl*x2-x2)+(l-xl)*(1-xl)其中2048<=xl,x2<=2o048作适应度函数求最大适应度即为函数的最大值二概要设计1 .程序流程图2 .类型定义intpopsize；种群大小intmaxgeneration；最大世代数doublepc;交叉率doublepm;变异率structindividual(charchromchromlength+1;doublevalue；doublefitness；适应度)；intgeneration;世代数intbestjnde×intworstjnde×；structindividualbestindividual；最佳个体structindividualWorStindiVidUaI;/最差个体structindividualcurrentbest;structindividualpopulationPOPSIZE；3 .函数声明voidgenerateinitialpopulation()；voidgeneratenextpopulation();voidevaluatepopulation();longdecodechromosome(char*Jnt,int)；voidCalculateobjectvalue();voidCalculatefitnessvalue();voidfindbestandworstindividual();voidperformevolution()；voidselectoperator();voidcrossoveroperator();voidmutationoperator()；voidinput();voidoutputte×treport()；4 .程序的各函数的简单算法说明如下：(1) voidgenerateinitialpopulation()和VOidinPUt()初始化种群和遗传算法参数Oinput()函数输入种群大小，染色体长度,最大世代数,交叉率,变异率等参数.(2) voidCalculateobjectvaIueO;计算适应度函数值.根据给定的变量用适应度函数计算然后返回适度值。(3)选择函数SeIectoperatorO在函数SeIeCtoPerator()中首先用rand()函数产生01间的选择算子，当适度累计值不为零时，比较各个体所占总的适应度百分比的累计和与选择算子，直到达到选择算子的值那个个体就被选出，即适应度为fi的个体以ffk的概率继续存在；显然，个体适应度愈高，被选中的概率愈大.但是,适应度小的个体也有可能被选中，以便增加下一代群体的多样性.(4)染色体交叉函数CrossoveroperatorO这是遗传算法中的最重要的函数之一，它是对个体两个变量所合成的染色体进行交叉，而不是变量染色体的交叉,这要搞清楚。首先用rand()函数产生随机概率，若小于交叉概率,则进行染色体交叉,同时交叉次数加1.这时又要用rand()函数随机产生一位交叉位，把染色体的交叉位的后面部分交叉即可；若大于交叉概率,则进行简单的染色体复制即可。(5)染色体变异函数mutation()变异是针对染色体字符变异的，而不是对个体而言，即个体变异的概率是一样.随机产生比较概率，若小于变异概率，则1变为0,0变为1,同时变异次数加L(6)longdecodechromosome(char*Jnt,int)本函数是染色体解码函数，它将以数组形式存储的二进制数转成十进制数,然后才能用适应度函数计算。(7)voidfindbestandworstindividual()本函数是求最大适应度个体的,每一代的所有个体都要和初始的最佳比较，如果大于就赋给最佳.(8)voidoutputtextreport()输出种群统计结果输出每一代的种群的最大适应度和平均适应度，最后输出全局最大值三运行环境本程序的开发工具是VC+,在VC+下运行。ConventionalMethod