用python实现简单的遗传算法

最新推荐文章于 2025-07-15 16:19:48 发布

czrzchao

最新推荐文章于 2025-07-15 16:19:48 发布

阅读量4.4w

点赞数 21

CC 4.0 BY-SA版权

分类专栏： python 算法文章标签： python 算法

本文链接：https://blog.youkuaiyun.com/czrzchao/article/details/52314455

本文分享了使用Python实现遗传算法的过程，以寻找目标式子y = 10 * sin(5x) + 7 * cos(4x)的最大值为例。介绍了算法的初始化编码、个体评价、选择、交叉和变异等步骤，并提供了部分关键代码片段。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天整理之前写的代码，发现在做数模期间写的用python实现的遗传算法，感觉还是挺有意思的，就拿出来分享一下。

首先遗传算法是一种优化算法，通过模拟基因的优胜劣汰，进行计算（具体的算法思路什么的就不赘述了）。大致过程分为初始化编码、个体评价、选择，交叉，变异。

以目标式子 y = 10 * sin(5x) + 7 * cos(4x)为例，计算其最大值

首先是初始化，包括具体要计算的式子、种群数量、染色体长度、交配概率、变异概率等。并且要对基因序列进行初始化

pop_size = 500		# 种群数量
max_value = 10      # 基因中允许出现的最大值
chrom_length = 10		# 染色体长度
pc = 0.6			# 交配概率
pm = 0.01           # 变异概率
results = [[]]		# 存储每一代的最优解，N个二元组
fit_value = []		# 个体适应度
fit_mean = []		# 平均适应度

pop = geneEncoding(pop_size, chrom_length)
其中genEncodeing是自定义的一个简单随机生成序列的函数，具体实现如下
def geneEncoding(pop_size, chrom_length):
    pop = [[]]
    for i in range(pop_size):
        temp = []
        for j in range(chrom_length):
            temp.append(random.randint(0, 1))
        pop.append(temp)

    return pop[1:]
编码完成之后就是要进行个体评价，个体评价主要是计算各个编码出来的list的值以及对应带入目标式子的值。其实编码出来的就是一堆2进制list。这些2进制list每个都代表了一个数。其值的计算方式为转换为10进制，然后除以2的序列长度次方减一，也就是全一list的十进制减一。根据这个规则就能计算出所有list的值和带入要计算式子中的值，代码如下
# 0.0 coding:utf-8 0.0
# 解码并计算值

import math


def decodechrom(pop, c