yichuan.txt

遗传算法的一个代码

　　iflg[pop_size-1]=1;
　　/* 子个体画面表示 */
　　world[x3][y3]=gene[pop_size-1][0]+1;
　　g_disp_unit(x3,y3,gene[pop_size-1][0]+1);
　　}
　　}
　　}
　　void act_individual(n) /* 为行动范围内的其他生物和食物决定行动 */
　　int n;
　　{
　　int i,j,k,pattern,action,cr,ca;
　　int act[3]; /* act[0]:攻击 act[1]:获取食物 act[2]:交配 */
　　int pat[6][3]={{1,2,3},{1,3,2},{2,1,3},
　　{3,1,2},{2,3,1},{3,2,1}};
　　/* pat:行动优先顺序 {攻击，获取食物，交配} */
　　int sp;
　　double rnd;
　　sp=decode_gene(n,0,1)+1;
　　for(i=0;i<3;i++) act [ i]=0;
　　for(i=-1;i<=1;i++)
　　for(j=-1;j<=1;j++)
　　{
　　if(i!=0||j!=0)
　　{
　　k=get_world(iatr[n][0]+j,iatr[n][1]+i);
　　if(k==1||k==2) act[0]=1;
　　if(k==3||k==5) act[1]=1;
　　if(k==sp) act[2]=1;
　　}
　　}
　　cr=decode_gene(n,16,3);
　　rnd=(double)random(10001)/10000.0;
　　if(rnd<=(double)cr/7.0)
　　{
　　action=random(3);
　　while(act[action]==0)
　　action=random(3);
　　}
　　else
　　{
　　ca=decode_gene(n,13,3); /* ca行动特点 */
　　if(ca<3) pattern=0;else pattern=ca-2;
　　/* 基本行动模式pattern 0-5 */
　　i=0;
　　action=pat[pattern] [ i]-1;
　　while( act[action]==0)
　　{
　　i++;
　　action=pat[pattern] [ i]-1;
　　}
　　}
　　switch(action+1)
　　{
　　case 1: act1_attack(n);break;
　　case 2: act2_eat(n);break;
　　case 3: act3_makechild(n);
　　}
　　}
　　void init_flags() /* 状态标志初始化 */
　　{
　　int i;
　　for(i=0;ifor(i=0;i<food_size;i++) fflg [ i]=1;
　　}
　　void act_lives() /* 改变状态(移动或行动) */
　　{
　　int i,j,k,x,y,move,a;
　　for(i=0;i{
　　if(iflg [ i]==1)
　　{
　　move=1;
　　for(j=-1;j<=1;j++)
　　for(k=-1;k<=1;k++)
　　{
　　if(j!=0||k!=0)
　　{
　　a=get_world(iatr [ i][0]+k,iatr [ i][1]+j);
　　if(a==1||a==2||a==3||a==5)
　　move=0;
　　}
　　}
　　if(move==1)
　　move_individual(i);
　　else
　　act_individual(i);
　　}
　　}
　　}
　　void increase_age() /* 个体年龄增1 */
　　{
　　int i,j,s;
　　for(i=0;i{
　　if(iflg [ i]==1)
　　{
　　j=decode_gene(i,1,4);
　　s=SL_MIN+j;
　　iatr [ i][3]++;
　　if(iatr [ i][3]>s)
　　remove_life(i);
　　}
　　}
　　}
　　void increase_frsh() /* 食物新鲜度增1 */
　　{
　　int i;
　　for(i=0;i<food_size;i++)
　　if(fflg [ i]==1)
　　{
　　fatr [ i][3]++;
　　if((fatr [ i][2]==0 && fatr [ i][3]>TL1)||
　　(fatr [ i][2]==1 && fatr [ i][3]>TL2))
　　remove_food(i);
　　}
　　}
　　void gabage_col() /* 死去个体及消减食物清除*/
　　{
　　int i,j;
　　int new_pop,new_food;
　　/* 检查食物 */
　　new_food=0;
　　for(i=0;i<food_size;i++)
　　if(fflg [ i]==1)
　　{
　　new_food++;
　　for(j=0;j<4;j++)
　　fatr[new_food-1][j]=fatr [ i][j];
　　}
　　food_size=new_food;
　　/* 检查个体 */
　　new_pop=0;
　　for(i=0;iif(iflg [ i]==1)
　　{
　　new_pop++;
　　/* 遗传基因复制 */
　　for(j=0;j<G_LENGTH;j++)
　　gene[new_pop-1][j]=gene [ i][j];
　　/* 属性复制 */
　　for(j=0;j<4;j++)
　　iatr[new_pop-1][j]=iatr [ i][j];
　　}
　　pop_size=new_pop;
　　}
　　void make_foods() /* 产生一代中植物性食物 */
　　{
　　int i,x,y;
　　for(i=0;i<NEWFOODS;i++)
　　{
　　if(food_size+1<=MAX_FOOD)
　　{
　　food_size++;
　　find_empty(&x,&y);
　　fatr[food_size-1][0]=x;
　　fatr[food_size-1][1]=y;
　　fatr[food_size-1][2]=0; /* 植物性 */
　　fatr[food_size-1][3]=0;
　　fflg[food_size-1]=1;
　　world[x][y]=3;
　　g_disp_unit(x,y,3);
　　}
　　}
　　}
　　void calc_population(n1,n2) /* 计算生物1和2 的个体数 */
　　int *n1,*n2;
　　{
　　int i,p1,p2;
　　p1=0;p2=0;
　　if(pop_size>0)
　　for(i=0;iif(gene [ i][0]==0) p1++; else p2++;
　　*n1=p1;
　　*n2=p2;
　　}
　　main() /* 主程序 */
　　{
　　int i,work;
　　int n1,n2,n1old,n2old;
　　char choice[2];
　　randomize();
　　/* 图形界面初始化 */
　　g_init();
　　settextstyle(0,0,4);
　　gprintf(220,20,4,0,"ALIFE");
　　setcolor(9);
　　disp_hz24("基于遗传算法的人工生命模拟",150,60,25);
　　setcolor(15);
　　disp_hz16("人工环境及生物分布",10,160,20);
　　disp_hz16("1:随机产生 2: 读文件产生 ==>",10,190,20);
　　gscanf(300,190,15,1,4,"%s",choice);
　　work=atoi(choice);
　　if(work==2) load_world_file();else make_world();
　　make_lives_and_foods();
　　/*状态初始化 */
　　init_flags();
　　/*计算个体数 */
　　calc_population(&n1old,&n2old);
　　/*生成初始画面*/
　　g_init_frames();
　　/*虚拟世界画面*/
　　g_draw_world();
　　/* 显示初始图形 */
　　g_init_graph();
　　for(i=1;i<121;i++)
　　{
　　/*状态初始化 */
　　init_flags();
　　/* 改变状态(移动或行动) */
　　act_lives();
　　/* 个体年龄增加 */
　　increase_age();
　　/* 食物新鲜度增加 */
　　increase_frsh();
　　/*死去个体及消减食物清除*/
　　gabage_col();
　　/*产生新的食物 */
　　make_foods();
　　/* 求生物1和2 的个体数 */
　　calc_population(&n1,&n2);
　　/* 个体数变化的图形更新 */
　　g_plot_population(i,n1,n2,n1old,n2old);
　　n1old=n1;n2old=n2;
　　/* 显示最佳遗传基因 */
　　g_disp_genotype();
　　}
　　setcolor(9);
　　disp_hz16("回车键结束",10,430,20);
　　getch();
　　} 
　　java jgap实例
　　package demo;
　　import java.io.File;
　　import java.io.FileNotFoundException;
　　import org.jgap.Chromosome;
　　import org.jgap.Configuration;
　　import org.jgap.FitnessFunction;
　　import org.jgap.Gene;
　　import org.jgap.Genotype;
　　import org.jgap.IChromosome;
　　import org.jgap.UnsupportedRepresentationException;
　　import org.jgap.data.DataTreeBuilder;
　　import org.jgap.data.IDataCreators;
　　import org.jgap.impl.DefaultConfiguration;
　　import org.jgap.impl.IntegerGene;
　　import org.jgap.xml.XMLDocumentBuilder;
　　import org.jgap.xml.XMLManager;
　　import org.w3c.dom.Document;
　　import examples.MinimizingMakeChangeFitnessFunction;
　　/**
　　* Copyright: youhow.net (c) 2005-2008
　　* Company: youhow.net
　　*
　　* 遗传算法DEMO
　　* 从文件读取数字进行排序
　　*
　　* @version 1.0 (2008-6-12 neo([e-mail]))
　　*/
　　public class GaDemo
　　{
　　/**
　　* @param args
　　*/
　　public static void main(String[] args) throws Exception
　　{
　　//构型
　　Configuration conf = new DefaultConfiguration();
　　// Care that the fittest individual of the current population is
　　// always taken to the next generation.
　　// Consider: With that, the pop. size may exceed its original
　　// size by one sometimes!
　　// -------------------------------------------------------------
　　conf.setPreservFittestIndividual(true);
　　// Set the fitness function we want to use, which is our
　　// MinimizingMakeChangeFitnessFunction. We construct it with
　　// the target amount of change passed in to this method.
　　// ---------------------------------------------------------
　　FitnessFunction myFunc = new GaDemoFitnessFunction();
　　conf.setFitnessFunction(myFunc);
　　Gene[] sampleGenes = new Gene[2];
　　sampleGenes[0] = new IntegerGene(conf,0,9999999);
　　sampleGenes[1] = new IntegerGene(conf,0,9999999);
　　IChromosome sampleChromosome = new Chromosome(conf, sampleGenes);
　　conf.setSampleChromosome(sampleChromosome);
　　conf.setPopulationSize(80);
　　Genotype population;
　　try
　　{
　　Document doc = XMLManager.readFile(new File("GADEMO.xml"));
　　population = XMLManager.getGenotypeFromDocument(conf, doc);
　　}
　　catch (UnsupportedRepresentationException uex)
　　{
　　// JGAP codebase might have changed between two consecutive runs.
　　// --------------------------------------------------------------
　　population = Genotype.randomInitialGenotype(conf);
　　}
　　catch (FileNotFoundException fex)
　　{
　　population = Genotype.randomInitialGenotype(conf);
　　}
　　// Evolve the population. Since we don't know what the best answer
　　// is going to be, we just evolve the max number of times.
　　// ---------------------------------------------------------------
　　long startTime = System.currentTimeMillis();
　　for (int i = 0; i < 50; i++)
　　{
　　population.evolve();
　　}
　　long endTime = System.currentTimeMillis();
　　System.out.println("Total evolution time: " + (endTime - startTime) + " ms");
　　IChromosome bestSolutionSoFar = population.getFittestChromosome();
　　System.out.println("\t" + MinimizingMakeChangeFitnessFunction.getNumberOfCoinsAtGene(bestSolutionSoFar, 0));
　　System.out.println("\t" + MinimizingMakeChangeFitnessFunction.getNumberOfCoinsAtGene(bestSolutionSoFar, 1));
　　DataTreeBuilder builder = DataTreeBuilder.getInstance();
　　IDataCreators doc2 = builder.representGenotypeAsDocument(population);
　　// create XML document from generated tree
　　XMLDocumentBuilder docbuilder = new XMLDocumentBuilder();
　　Document xmlDoc = (Document) docbuilder.buildDocument(doc2);
　　XMLManager.writeFile(xmlDoc, new File("GADEMO.xml"));
　　}
　　}
　　package demo;
　　import org.jgap.FitnessFunction;
　　import org.jgap.IChromosome;
　　/**
　　* Copyright: youhow.net (c) 2005-2008
　　* Company: youhow.net
　　*
　　* GaDemoFitnessFunction class说明
　　*
　　* @version 1.0 (2008-6-12 neo([e-mail]))
　　*/
　　public class GaDemoFitnessFunction extends FitnessFunction
　　{
　　/**
　　* Comment for <code>serialVersionUID</code>
　　*/
　　private static final long serialVersionUID = 1L;
　　/**
　　* @see org.jgap.FitnessFunction#evaluate(org.jgap.IChromosome)
　　*/
　　@Override
　　protected double evaluate(IChromosome a_subject)
　　{
　　int totalCoins = 1;
　　int numberOfGenes = a_subject.size();
　　for (int i = 0; i < numberOfGenes; i++)
　　{
　　totalCoins += (Integer) a_subject.getGene(i).getAllele();
　　}
　　return totalCoins;
　　}
　　}