16、Java编程:猜数字游戏与随机数生成

Java编程:猜数字游戏与随机数生成

1. 猜数字游戏的实现

猜数字游戏是一个经典的编程示例,它可以帮助我们理解流程图和算法的运用。在这个游戏中,玩家需要猜测一个介于1到20之间的数字。

1.1 游戏流程
  • 玩家1输入一个1到20之间的数字作为答案。
  • 玩家2开始猜测数字。
  • 程序判断玩家2的猜测是否正确:
  • 如果猜对,显示胜利信息并结束程序。
  • 如果猜错,检查猜测是否在1到20的范围内:
    • 若不在范围内,提示玩家重新输入。
    • 若在范围内,判断猜测是高于还是低于答案,并给出相应提示。

下面是该游戏的流程图:

graph TD
    A[开始] --> B[玩家1输入答案]
    B --> C[玩家2猜测数字]
    C --> D{猜测是否正确}
    D -- 是 --> E[显示胜利信息,结束程序]
    D -- 否 --> F{猜测是否在1 - 20范围内}
    F -- 否 --> G[提示重新输入,回到C]
    F -- 是 --> H{猜测是否高于答案}
    H -- 是 --> I[提示猜低些,回到C]
    H -- 否 --> J[提示猜高些,回到C]
1.2 代码实现

                
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值