浮点数编码实现遗传算法
遗传算法主要包括三个主要操作，选择、交叉和变异。用浮点数编码进行运算，三种操作方法如下：
选择：
1. 计算和
2. 计算
3. 庄子二则累计概率
4. 产生均匀分布0~1的随机数r
5. 将r与比较，如果，则选择个体i进入到下一代新群体
6. 反复执行4和5，直至新群体的个体数目等于父代群体规模
交叉：
其中，和是交叉之后的个体，和是随机选择的两个个体，是交叉的一个常数, 取值为。
变异：
是变异之后的个体，项羽有后代吗是变异之前的个体，k是变异的一个常数，取值为，是个体的上限，是个体的下限，r是产生的随机数。
适应度线性变换：
其中F是原适应度，是变换之后的适应度，a,b是变换的系数。适应度线性变换要满足下面两个条件：
条件一：
条件二： C=1.2~2
缩放时参数a,b的计算方法可以用如下方法：
如果满足：
就令：
否则：
实现代码如下：
#include<stdio.h>
#include<stdlib.h>
#include<math.h>
#include<time.h>
#define M 80 //种群数量
#define XMIN -1 //下限
#define XMAX 2 //上限
#define PI 3.1415926
#define PC 0.8 //交叉概率
#define PM 0.18 //变异概率
#define PA 0.01 //交叉因子
struct Node
{
double Pmember;
double Myfitness; //Myfitness玫瑰情人节是适应度
double Myfitsum; //Myfitsum是适应度占总体适应度的百分比，然后从第一个个体往后累加，主要用于选择操作
}Nownode[M],Nextnode[M]; //本代群体和下一代群体
int nodeindex[M]; //交叉时随机配对，存放配对的群体下标
int T=0;
double fx(double x) //根据x计算fx
{
早上起来舌苔厚白是怎么回事
double y;
早安朋友圈说说 y=x*sin(10*PI*x)+2;
//y=100-(x-5)*(x-5);
return y;
}
int calfitness() //计算适应度值
{
int i;
double minfitness,maxfitness,avefitness=0;
double C=1.7,a,b;
double temp;
minfitness=Nownode[0].Myfitness=fx(Nownode[0].Pmember);
等腰梯形的判定
maxfitness=minfitness;
avefitness=maxfitness;
for(i=1;i<M;i++)
{
Nownode[i].Myfitness=fx(Nownode[i].Pmember);
avefitness+=Nownode[i].Myfitness;
if(minfitness>Nownode[i].Myfitness)
{
minfitness=Nownode[i].Myfitness;
}
if(maxfitness<Nownode[i].Myfitness)
{
maxfitness=Nownode[i].Myfitness;
}
}
if(minfitness<0)//如果有负的适应度值，就把所以的适应度都加上一个数，使适应度全都为正数
{
temp=minfitness;
Nownode[0].Myfitness+=-temp;
avefitness=Nownode[0].Myfitness;
maxfitness=Nownode[0].Myfitness;
minfitness=Nownode[0].Myfitness;
for(i=1;i<M;i++)
{
Nownode[i].Myfitness+=-temp;
avefitness+=Nownode[i].Myfitness;
if(minfitness>Nownode[i].Myfitness)
{
minfitness=Nownode[i].Myfitness;
}
if(maxfitness<Nownode[i].Myfitness)
{
maxfitness=Nownode[i].Myfitness;
}
}
}
//适应度线性变换
avefitness=avefitness/M;//计算平均适应度
if(minfitness>(C*avefitness-maxfitness)/(C-1))
{
a=(C-1)*avefitness/(maxfitness-avefitness);
b=(maxfitness-C*avefitness)*avefitness/(maxfitness-avefitness);
}
el
{
秋葵花
a=avefitness/(avefitness-minfitness);
b=minfitness*avefitness/(avefitness-minfitness);
}
for(i=0;i<M;i++)
{
Nownode[i].Myfitness=a*Nownode[i].Myfitness+b;
}
Nownode[0].Myfitsum=Nownode[0].Myfitness;
for(i=1;i<M;i++)
{
Nownode[i].Myfitsum=Nownode[i].Myfitness+Nownode[i-1].Myfitsum;//每一个Myfitsum都是自己的适应度加上前一个的Myfitsum
}
for(i=0;i<M;i++)
{
Nownode[i].Myfitsum=Nownode[i].Myfitsum/Nownode[M-1].Myfitsum;//每一个Myfitsum除以所有适应度之和，使Myfitsum为0~1之间
}
return 0;
}
中学生优秀作文double randn() //产生XMIN到XMAX之间的随机数
{
return XMIN+1.0*rand()/RAND_MAX*(XMAX-XMIN);
}
int initpopulation() //初始化种群
