遗传算法的简单应用-求解方程

上篇初识遗传算法讲述了遗传算法的基本思想,这篇博客就用遗传算法求解方程。

具体的如下:

求解方程 -x^3+7*x+13=0 在[3,4]区间的解,解精确到0.001,交叉概率0.7

变异概率0.01,迭代次数为100,字符编码长度为10(二进制编码)

首先简单的分析一下:

1、编码与解码

题目要求的是采用二进制的编码方式来实现,既然已经编码了,自然就需要解码,给定的10

位二进制编码表示的区间范围就是0~1023,题目的区间是[3,4]很自然的就能想到10位二进

制编码中的0表示是就是[3,4]中的3,1023表示的就是[3,4]中的4,所以,每个二进制对应的

十进制就是((10位二进制对应的十进制数/1023)+3),这个就是解码后的在区间[3,4]中的具体值。

2、适应度函数

 这里取的适应度函数是方程绝对值的倒数,即f=1/(|-x^3+7*x+13|)

3、选择算子

确定选择比例,采用轮盘赌算法。

复制代码
        /// <summary>
        /// 模拟轮盘赌选择算法
        /// 思路:1.求适应度的总和;2.计算每个个体适应度所占的比例(除第一个之外,其他的都是叠加);
        /// 3.在0~1产生随机数,这个随机数所在的区间,就是要选择的个体
        /// </summary>
        /// <returns>选择出来的优秀个体</returns>
        static List<int> RWS(List<double> list)
        {
            List<int> select = new List<int>();
            List<double> p = new List<double>();
            double sum = list.Sum()/*适应度之和*/, temp = 0/*临时变量*/;
            foreach (var item in list)
            {
                temp += (item / sum);//叠加
                p.Add(temp);//概率
            }
            int i, j;
            for (i = 0; i < p.Count; i++)
            {
                temp = rd.NextDouble();//0~1的随机数
                for (j = 0; j < p.Count; j++)
                {
                    if (j == 0 && temp < p[0])
                    {
                        select.Add(0);
                    }
                    else if (temp < p[j] && temp >= p[j - 1])
                    {
                        select.Add(j);
                    }
                }
            }           
            return select;
        }    
View Code
复制代码

4、交配算子

随机产生交配位,交换两个染色体的部分基因。

复制代码
        /// <summary>
        /// 交叉过程个体的变化(字符的替换)
        /// </summary>
        /// <param name="dic">参加交叉的两个个体</param>
        /// <param name="geti1">个体1</param>
        /// <param name="geti2">个体2</param>
        /// <returns></returns>
        static List<string> Crossover_Replace(Dictionary<int, int> dic, string geti1, string geti2)
        {
            int index; double p;
            List<string> tmp_group = new List<string>();//存放交叉过后的个体
            foreach (var item in dic)
            {
                p = rd.NextDouble();
                if (p <= crossover_probability)//概率小于0.7进行交叉
                {
                    index = rd.Next(0, 8);
                    geti1 = group[item.Key];//要交叉的两个个体
                    geti2 = group[item.Value];
                    //交叉的实现
                    tmp_group.Add(geti1.Insert(geti1.Length, geti2.Substring(index)).Remove(index, str_length - index));
                    tmp_group.Add(geti2.Insert(geti2.Length, geti1.Substring(index)).Remove(index, str_length - index));
                }
                else
                {
                    tmp_group.Add(group[item.Key]);
                    tmp_group.Add(group[item.Value]);
                }
            }
            return tmp_group;
        }
View Code
复制代码

5、变异算子

变换染色体基因的值,即0-1,1-0的变换。

复制代码
        /// <summary>
        /// 变异过程个体的变化(0->1,1->0)
        /// 思路:1.将个体的编码转化成字符;2.为每个字符产生一个0~1的随机数,判断是否要进行变异操作
        /// 3.要变异则将0->1,1->0
        /// </summary>
        /// <param name="str">个体(二进制编码)</param>
        /// <param name="result">变异后的结果</param>
        /// <param name="probability">变异概率</param>
        /// <returns></returns>
        static string Mutation_Replace(string str, string result, double probability)
        {
            char[] chrArray = str.ToCharArray();
            for (int i = 0; i < chrArray.Count(); i++)
            {
                //小于概率,替换字符
                if (rd.NextDouble() <= probability)
                {
                    if (chrArray[i] == '0')
                    {
                        chrArray[i] = '1';
                    }
                    else if (chrArray[i] == '1')
                    {
                        chrArray[i] = '0';
                    }
                }
            }
            //将字符拼接成字符串
            foreach (char ch in chrArray)
            {
                result += ch;
            }
            return result;
        }
View Code
复制代码

其中的方法,实现不唯一,时间比较敢,也没有作一定的优化,只是为了熟悉算法而写的。

希望能帮到初学者,也欢迎各位提出修改意见。

完整代码可在这下载

 https://github.com/hwqdt/Catcher.Equation 

 

 

出处:https://www.cnblogs.com/catcher1994/p/4512450.html

posted on   jack_Meng  阅读(991)  评论(0编辑  收藏  举报

编辑推荐:
· 没有源码,如何修改代码逻辑?
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· .NET Core 托管堆内存泄露/CPU异常的常见思路
阅读排行:
· DeepSeek “源神”启动!「GitHub 热点速览」
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· C# 集成 DeepSeek 模型实现 AI 私有化(本地部署与 API 调用教程)
· DeepSeek R1 简明指南:架构、训练、本地部署及硬件要求
· NetPad:一个.NET开源、跨平台的C#编辑器
历史上的今天:
2017-08-25 新手买股票的步骤及相关概念和疑问
2017-08-25 C# Lambda表达式详解,及Lambda表达式树的创建
2015-08-25 ORACLE初始化参数文件概述
2015-08-25 Oracle的启动过程
2014-08-25 JS 正则表达式
2014-08-25 JS函数的定义与调用方法
2014-08-25 JS的数据类型

导航

< 2025年2月 >
26 27 28 29 30 31 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 1
2 3 4 5 6 7 8
点击右上角即可分享
微信分享提示

喜欢请打赏

扫描二维码打赏

支付宝打赏

主题色彩