##——————————————————————————施工中————————————————————————————##

import random

import math

import numpy

#于2020.10.16日寫，本程序為老師布置的遺傳算法的練習#design by zqh#聯系方式QQ962903415，博客園-https://www.cnblogs.com/zqh962903415

#——————————————參數部分————————————————#

mainui='''

design by zqh

遺傳算法求解函數在實數域的最小值

選擇函數的類型

1.一元函數

2.二元函數

3.更改種群規模和迭代世代數

種群規模默認15，世代數100

'''

firstui='''

design by zqh

請輸入初代自變量的區間(請輸入正數或者負數)

本區間選的離最優值越接近

得到最優值的速度越快越準確

'''

secondui='''

___請輸入公式___

注意：自變量用i表示

注意：乘號用*表示，加號用+表示，減號用-表示

注意：sin函數用math.sin()表示，cos函數用math.cos()表示

注意：e用exp()表示

注意：ln(10)用math.log(10,math.e)表示

'''

secondui2='''

___請輸入公式___

自變量用x和y表示

注意：乘號用*表示，加號用+表示，減號用-表示

注意：sin函數用math.sin()表示，cos函數用math.cos()表示

注意：e用math.exp()表示

注意：ln(10)用math.log(10,math.e)表示

'''

populationsize=14 #種群尺寸

popgeneration=100 #程序執行的世代數

basedig=[] #存放每代的最優良的那一個單體，用于制圖

fitvalue=[] #存放每代的最優良的單體的適應度值，用于制圖

#——————————————(產生種群)的模塊————————————————#

def createPop(popsize):

ret=[]

for i in range(0,popsize):

num=round(random.uniform(int(sectionleft), int(sectionright)),3)

ret.append(num)

return ret

def createPop2(popsize):

ret=[]

for i in range(0,popsize):

num=round(random.uniform(int(xsectionleft), int(xsectionright)),3)

ret.append(num)

return ret

def createPop3(popsize):

ret=[]

for i in range(0,popsize):

num=round(random.uniform(int(ysectionleft), int(ysectionright)),3)

ret.append(num)

return ret

#——————————————交叉的模塊————————————————#

def crossOver(population):

ret=[]

for i in range(0,len(population)):

target=0

x1=round(random.choice(population),3)

# while target!=1:

x2=round(random.choice(population),3)

# if x2!=x1:

# target=1

# if x2==x1:

# continue

ret.append(round((x1+x2)/2,3))

# print('隨機選兩個%s和%s，求和除以2后%s' %(x1,x2,round((x1+x2)/2,3)))

return ret

#——————————————變異的模塊————————————————#

def mutation(population):

newpop=[]

expect=0

for i in population:

expect=expect+i

expect=round(expect/len(population),3)

# print('求得數學期望',expect)

for i1 in population:

vari=random.uniform(expect-3,expect+3)

# print('從(miu-3sigma)，(miu+3sigma)取任意自變量',vari)

switch=random.choice(['a','b'])

if switch=='a':

nor_distru = (1 / pow(2 * math.pi, 1 / 2)) * math.exp(-1*pow((vari-expect),2)/2)

if switch=='b':

nor_distru =-1* (1 / pow(2 * math.pi, 1 / 2)) * math.exp(-1 * pow((vari - expect), 2) / 2)

# print('自變量帶入高斯分布函數得到擾動',nor_distru)

count=i1+nor_distru

newpop.append(round(count,3))

# print('高斯擾動后的(變異)新種群',newpop)

return newpop

#——————————————自寫的排序公式————————————————#

# def paixu(poplist):

# ret=[]

# while(poplist !=[]):

# minkey=poplist[0]

# for i in poplist:

# if minkey>i:

# minkey=i

# if minkey

# minkey=minkey

# ret.append(minkey)

# position=poplist.index(minkey)

# del poplist[position]

# return ret

#——————————————選擇函數的公式————————————————#

def fx(poplist,gongshi):

ret = []

for i in poplist:

res = eval(gongshi)

ret.append(round(res,5))

return ret

def fx2(poplist,poplist2,gongshi):

xkey = []

ykey=[]

final=[]

ret=[]

for x in poplist:

for y in poplist2:

res = eval(gongshi)

xkey.append(x)

ykey.append(y)

final.append(round(res,5))

ret.append(xkey)

ret.append(ykey)

ret.append(final)

return ret

#——————————————適應度選擇函數————————————————#

def popChoice(population):

dict1={}

ret1=[]

ret=[]

popfit=[]

unionpop=list(set(a).union(set(population)))

# print('新老種群并集',unionpop)

popfit=fx(unionpop,gongshi)

# print('將并集求適應度函數值',popfit)

for xp in range(0,len(unionpop)):

dict1.update({popfit[xp]:unionpop[xp]})

print(dict1)

popfit.sort()

unionpop =popfit

# print('將其從小到大排列',unionpop)

for i1 in range(len(population)):

ret1.append(unionpop[i1])

# print('只取前面popsize個',ret1)

for xp1 in ret1:

ret.append(dict1[xp1])

print('新種群',ret)

print('本代最優單體為%s,它的適應度為%s' %(ret[0],ret1[0]))

print('#------結果——————#')

print('最小值處的自變量為%s,取得fx的最小值為%s' % (ret[0],ret1[0]))

print('#------結果——————#')

fitvalue.append(ret1[0])

basedig.append(ret[0])

return ret

def popChoice2(population,population2):

dict1={}

xpop=[]

ypop=[]

ret1=[]

ret=[]

popfit=[]

unionpop=list(set(a).union(set(population)))

# print('新老種群并集',unionpop)

unionpop2=list(set(a1).union(set(population2)))

# print('新老種群并集',unionpop2)

popfit=fx2(unionpop,unionpop2,gongshi)

# print('將并集求適應度函數值',popfit[2])

for xp in range(0, len(popfit[2])):

dict1.update({popfit[2][xp]: [popfit[0][xp],popfit[1][xp]]})

print(dict1)

popfit=popfit[2]

popfit.sort()

unionpop =popfit

# print('將其適應度函數值從小到大排列',unionpop)

for i1 in range(len(population)):

ret1.append(unionpop[i1])

# print('只取前面popsize個',ret1)

for xp1 in ret1:

ret.append(dict1[xp1])

xpop.append(dict1[xp1][0])

ypop.append(dict1[xp1][1])

print('新種群',ret)

print('本代最優單體為%s,它的適應度為%s' %(ret[0],ret1[0]))

print('#------結果——————#')

print('最小值處的自變量為%s,取得fx的最小值為%s' % (ret[0],ret1[0]))

print('#------結果——————#')

ret.clear()

ret.append(xpop)

ret.append(ypop)

return ret

#——————————————函數主體————————————————#

while 1:

print(mainui)

xuhao=input('請輸入操作序號并按下回車')

try:

if xuhao=='1':

print(firstui)

sectionleft=input('初代區間左端>>>>')

sectionright=input('初代區間右端>>>>')

print(secondui)

gongshi=input('>>>>')

start=createPop(populationsize)

print('初始種群', start)

a = start

for i in range(0,popgeneration):

b=crossOver(a)

print('交叉后的新種群',b)

c=mutation(b)

print('變異后的新種群',c)

d=popChoice(c)

a=d

if xuhao=='2':

print(firstui)

xsectionleft=input('x初代區間左端>>>>')

xsectionright=input('x初代區間右端>>>>')

ysectionleft=input('y初代區間左端>>>>')

ysectionright=input('y初代區間右端>>>>')

print(secondui2)

gongshi=input('>>>>')

start=createPop2(populationsize)

print('初始種群', start)

a = start

start1=createPop3(populationsize)

print('初始種群', start1)

a1= start1

for i in range(0,popgeneration):

c=mutation(a)

c1=mutation(a1)

print('變異后的新種群',c)

print('變異后的新種群',c1)

d=popChoice2(c,c1)

a=d[0]

a1=d[1]

if xuhao == '3':

tp1 = input('請輸入種群尺寸') # 種群尺寸

tp2 = input('請輸入世代數') # 程序執行的世代數

if tp1.isdigit()==False or tp2.isdigit()==False:

print('種群尺寸和世代數只能輸入數字')

else:

populationsize =int(tp1) # 種群尺寸

popgeneration =int(tp2) # 程序執行的世代數

except Exception as wrong:

print('操作有誤，程序重啟')

# plt.plot(basedig,fitvalue)

# plt.ylabel('fitness value') #為y軸加注釋

# plt.xlabel('best one') #為x軸加注釋

# plt.show()

#于2020.10.16日寫，本程序為老師布置的遺傳算法的練習

# #design by zqh#聯系方式QQ962903415，博客園-https://www.cnblogs.com/zqh962903415

總結

以上是生活随笔為你收集整理的遗传算法求二元函数极值怎么编码_遗传算法求解一元函数二元函数最值的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。