cmvsoga.txt

遗传算法源程序（C++）, 无压缩密码

修改之后的源程序！

// CMVSOGA.h : main header file for the CMVSOGA.cpp
////////////////////////////////////////////////////////////////////
/////                                                          /////
/////                沈阳航空工业学院 动力工程系               /////
/////                       作者：李立新                       /////
/////                   完成日期：2006.08.02                   /////
/////                   修改日期：2007.04.10                                       /////
////////////////////////////////////////////////////////////////////

#if !defined(AFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767__INCLUDED_)
#define AFX_CMVSOGA_H__45BECA_61EB_4A0E_9746_9A94D1CCF767__INCLUDED_

#if _MSC_VER > 1000
#pragma once
#endif // _MSC_VER > 1000
#include "Afxtempl.h"
#define variablenum 14
class CMVSOGA
{
public:
 CMVSOGA();
 ~CMVSOGA();
 void selectionoperator();
 void crossoveroperator();
 void mutationoperator();
 void initialpopulation(int, int ,double ,double,double *,double *);           //种群初始化
 void generatenextpopulation();          //生成下一代种群
 void evaluatepopulation();           //评价个体，求最佳个体
 void calculateobjectvalue();          //计算目标函数值
 void calculatefitnessvalue();          //计算适应度函数值
 void findbestandworstindividual();         //寻找最佳个体和最差个体
 void performevolution();   
 void GetResult(double *);
 void GetPopData(CList <double,double>&);
 void SetFitnessData(CList <double,double>&,CList <double,double>&,CList <double,double>&);
private:
 struct individual
 {
  double chromosome[variablenum];         //染色体编码长度应该为变量的个数
  double value;         
  double fitness;             //适应度
 };
 double variabletop[variablenum];         //变量值
 double variablebottom[variablenum];         //变量值
 int popsize;              //种群大小
// int generation;              //世代数
 int best_index;  
 int worst_index;
 double crossoverrate;            //交叉率
 double mutationrate;            //变异率
 int maxgeneration;             //最大世代数
 struct individual bestindividual;         //最佳个体
 struct individual worstindividual;         //最差个体
 struct individual current;              //当前个体
 struct individual current1;              //当前个体
 struct individual currentbest;          //当前最佳个体
 CList <struct individual,struct individual &> population;   //种群
 CList <struct individual,struct individual &> newpopulation;  //新种群
 CList <double,double> cfitness;          //存储适应度值
 //怎样使链表的数据是一个结构体????主要是想把种群作成链表。节省空间。
};
#endif

 

执行文件：

// CMVSOGA.cpp : implementation file
//

#include "stdafx.h"
//#include "vld.h"
#include "CMVSOGA.h"
#include "math.h"
#include "stdlib.h"


#ifdef _DEBUG
#define new DEBUG_NEW
#undef THIS_FILE
static char THIS_FILE[] = __FILE__;
#endif
/////////////////////////////////////////////////////////////////////////////
// CMVSOGA.cpp
CMVSOGA::CMVSOGA()
{
 best_index=0;  
 worst_index=0;
 crossoverrate=0;            //交叉率
 mutationrate=0;            //变异率
 maxgeneration=0;
}
CMVSOGA::~CMVSOGA()
{
 best_index=0;  
 worst_index=0;
 crossoverrate=0;            //交叉率
 mutationrate=0;            //变异率
 maxgeneration=0;
 population.RemoveAll();   //种群
 newpopulation.RemoveAll();  //新种群
 cfitness.RemoveAll(); 
}
void CMVSOGA::initialpopulation(int ps, int gen ,double cr ,double mr,double *xtop,double *xbottom)  //第一步，初始化。
{
 //应该采用一定的策略来保证遗传算法的初始化合理，采用产生正态分布随机数初始化？选定中心点为多少？
 int i,j;
 popsize=ps;
 maxgeneration=gen;
 crossoverrate=cr;
 mutationrate =mr;
 for (i=0;i<variablenum;i++)
 {
  variabletop[i] =xtop[i];
  variablebottom[i] =xbottom[i];
 }
 //srand( (unsigned)time( NULL ) );  //寻找一个真正的随机数生成函数。
 for(i=0;i<popsize;i++)
 { 
  for (j=0;j<variablenum ;j++)
  {
   current.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];
  }
  current.fitness=0;
  current.value=0;
  population.InsertAfter(population.FindIndex(i),current);//除了初始化使用insertafter外,其他的用setat命令。
 }
}
void CMVSOGA::generatenextpopulation()//第三步，生成下一代。
{
 //srand( (unsigned)time( NULL ) );
 selectionoperator();
 crossoveroperator();
 mutationoperator();
}
//void CMVSOGA::evaluatepopulation()   //第二步，评价个体，求最佳个体
//{
// calculateobjectvalue();
// calculatefitnessvalue();   //在此步中因该按适应度值进行排序.链表的排序.
// findbestandworstindividual();
//}
void CMVSOGA:: calculateobjectvalue()  //计算函数值，应该由外部函数实现。主要因为目标函数很复杂。
{
 int i,j;
    double x[variablenum];
 for (i=0; i<popsize; i++)
 {
  current=population.GetAt(population.FindIndex(i));  
  current.value=0;
  //使用外部函数进行，在此只做结果的传递。
  for (j=0;j<variablenum;j++)
  {
   x[j]=current.chromosome[j];
   current.value=current.value+(j+1)*pow(x[j],4);
  }
  ////使用外部函数进行，在此只做结果的传递。
  population.SetAt(population.FindIndex(i),current);
 }
}

void CMVSOGA::mutationoperator()  //对于浮点数编码，变异算子的选择具有决定意义。
          //需要guass正态分布函数，生成方差为sigma，均值为浮点数编码值c。
{
// srand((unsigned int) time (NULL));
 int i,j;
 double r1,r2,p,sigma;//sigma高斯变异参数
 
 for (i=0;i<popsize;i++)
 {
  current=population.GetAt(population.FindIndex(i));

  //生成均值为current.chromosome，方差为sigma的高斯分布数
  for(j=0; j<variablenum; j++)
  {   
   r1 = double(rand()%10001)/10000;
   r2 = double(rand()%10001)/10000;
   p = double(rand()%10000)/10000;
   if(p<mutationrate)
   {
    double sign;
    sign=rand()%2;
    sigma=0.01*(variabletop[j]-variablebottom [j]);
    //高斯变异
    if(sign)
    {
     current.chromosome[j] = (current.chromosome[j] 
      + sigma*sqrt(-2*log(r1)/0.4323)*sin(2*3.1415926*r2));
    }
    else
    {
     current.chromosome[j] = (current.chromosome[j] 
      - sigma*sqrt(-2*log(r1)/0.4323)*sin(2*3.1415926*r2));
    }
    if (current.chromosome[j]>variabletop[j])
    {
     current.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];
    }
    if (current.chromosome[j]<variablebottom [j])
    {
     current.chromosome[j]=double(rand()%10000)/10000*(variabletop[j]-variablebottom[j])+variablebottom[j];
    }
   }
  }
  population.SetAt(population.FindIndex(i),current);
 }
}
void CMVSOGA::selectionoperator()   //从当前个体中按概率选择新种群,应该加一个复制选择,提高种群的平均适应度
{
 int i,j,pindex=0;
 double p,pc,sum;
 i=0;
 j=0;
 pindex=0;
 p=0;
 pc=0;
 sum=0.001;
 newpopulation.RemoveAll();
 cfitness.RemoveAll();
  //链表排序
// population.SetAt (population.FindIndex(0),current); //多余代码
 for (i=1;i<popsize;i++)
 { 
  current=population.GetAt(population.FindIndex(i));
  for(j=0;j<i;j++)   //从小到大用before排列。
  {
   current1=population.GetAt(population.FindIndex(j));//临时借用变量
   if(current.fitness<=current1.fitness)  
   {
    population.InsertBefore(population.FindIndex(j),current);
    population.RemoveAt(population.FindIndex(i+1));
    break;
   }
  }
//  m=population.GetCount();
 }
 //链表排序
 for(i=0;i<popsize;i++)//求适应度总值，以便归一化,是已经排序好的链。
 {
  current=population.GetAt(population.FindIndex(i)); //取出来的值出现问题.
  sum+=current.fitness;
 }
 for(i=0;i<popsize; i++)//归一化
 {
  current=population.GetAt(population.FindIndex(i)); //population 有值,为什么取出来的不正确呢??