人工智能实验报告.docx

----
----
人工智能第二次实验报告
一．实验题目：
----
----
遗传算法的设计与实现
二．实验目的：
通过人工智能课程的学习，熟悉遗传算法的简单
应用。
三．实验内容
用遗传算法求解f(x)=x2的));
}
}
//变异得到新个体:随机改变基因
voidmutation(Chromosome*pop){
UINTrandRow,randCol;
UINTrandValue;
randValue=rand()%100;
if(randValue>=(int)(BIANYI_RATE*100))
{
#if(C==1)&&(CFLAG==4)
----
----
printf("\n种群个体没有基因变异\n");
#endif
return;
}
randCol=rand()%GENE_NUM;//随机产生将要变异的基因位
randRow=rand()%POP_NUM;//随机产生将要变异的染色体位
#if(C==1)&&(CFLAG==4)
printf("\n变异前\n");
test(pop);
printf("\n变异的位置为:染色体号=%d基因位号=%d\n",randRow+1,randCol);
#endif
pop[randRow].geneBit[randCol]=(pop[randRow].geneBit[randCol]=='0')?'1':'0';//1
变为0,0变为1
pop[randRow].fitValue=calcFitValue(toDec(pop[randRow]));
#if(C==1)&&(CFLAG==4)
printf("\n变异后\n");
test(pop);
#endif
}
//创立初始群体
voidcreatePop(Chromosome*pop){
UINTi,j;
----
----
UINTrandValue;
UINTvalue;
srand((unsigned)time(NULL));
for(i=0;i<POP_NUM;i++)
{
for(j=0;j<GENE_NUM;j++)
{
randValue=rand()%2;
pop[i].geneBit[j]=randValue+'0';//将随机数0或1赋给基因
}
value=toDec(pop[i]);
pop[i].fitValue=calcFitValue(value);
}
#if(C==1)&&(CFLAG==1)
printf("\n随机分配的种群如下:\n");
test(pop);
#endif
}
//更新种群
voidupdatePop(Chromosome*newPop,Chromosome*oldPop){
UINTi;
for(i=0;i<POP_NUM;i++){
----
----
oldPop[i]=newPop[i];
}
}
//选择优良个体:根据适应度选择最优解，即最优个体
voidselect(Chromosome*pop){
UINTi,j;
UINTsumFitValue;//总适应值
UINTaFitValue;//平均适应值
floatchoice[POP_NUM];//选择
ChromosometempPop;//交换变量
#if(C==1)&&(CFLAG==2)//测试
printf("\n没有选择前的种群如下:\n");
test(pop);
#endif
//根据个体适应度冒泡降序排序
for(i=POP_NUM;i>0;i--)
{
for(j=0;j<(i-1);j++)
{
if(pop[j+1].fitValue>pop[j].fitValue)
{
tempPop=pop[j+1];
----
----
pop[j+1]=pop[j];
pop[j]=tempPop;
}
}
}
//计算总适应值
sumFitValue=0;
for(i=0;i<POP_NUM;i++)
{
sumFitValue+=pop[i].fitValue;
}
aFitValue=(UINT)(((float)sumFitValue/POP_NUM)+);//计算平均适应值
//计算出每个群体选择时机，群体的概率=群体适应值/总适应值，平均概率=平均适应
值/总适应值，群体选择时机=(群体的概率/平均概率)
for(i=0;i<POP_NUM;i++)
{
choice[i]=((float)pop[i].fitVal