人工智能基于遗传算法的随机优化搜索的应用举例

最新推荐文章于 2023-02-12 21:09:52 发布

原创

最新推荐文章于 2023-02-12 21:09:52 发布 · 1.6k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #优化 #struct #menu #delete #system

该博客探讨了如何运用遗传算法解决区间[0,31]上二次函数y=x*x的最大值寻找问题，展示了遗传算法在优化搜索中的应用。" 127121716,2078949,PPP-RTK技术详解：高精度电离层建模与应用,"['高精度定位', 'PPP', 'RTK', '电离层延迟', 'GNSS']

题目：利用遗传算法求解区间[0,31]上的二次函数y=x*x的最大值。

//题目: 利用遗传算法求解区间[0, 31]上的二次函数y = x*x的最大值
 
#include
#include
#include
#include
using namespace std;
 
int N = 4;//种群规模
int T = 100;//最大换代数
double Pc = 0.4;//交叉率
double Pm = 0.01;//变异率
int option = 0;
 
int t;//代数计数器
 
bool flag = true;//标记是否是第一次计算结果
 
struct solution{
    int num;    //十进制数
    char b[5];  //5位二进制数编码染色体
    int f;      //适应度
    double p;   //选择概率
    double q;   //积累概率
}*s, *next;
 
void showCondition(){
    cout << "种群规模: " << N << endl;
    cout << "最大换代数: " << T << endl;
    cout << "交叉率: " << Pc << endl;
    cout << "变异率: " << Pm << endl << endl;
    if(!flag)
        system("pause");
}
 
//交换字符
void swap(char *a, char *b){
    char c = *a;
    *a = *b;
    *b = c;
}
 
//十进制转换为二进制
void DtoB(int n, char str[]){
    int tmp, i = 0;
    memset(str, '0', 5);
    while(n){
        tmp = n % 2;
        str[i] = (char)tmp;
        n /= 2;
        i++;
    }
 
    //翻转
    swap(&str[0], &str[4]);
    swap(&str[1], &str[3]);
}
 
//生成初始种群
void init(){
    t = 1;
    srand((unsigned)time(0));
    if(flag){
        s = new struct solution[N];
        next = new struct solution[N];
        flag = false;
    }
&