遗传算法实现Rosenbrock函数的求解过程

#include 
#include “time.h“
#include “stdlib.h“
#include 
using namespace std;

const int M=8T=3;//M种群大小，T终止代数
const double pc=0.6pm=0.01;//pc交叉概率pm变异概率


struct population      //定义群体结构
{
	int x[20];
	double x1x2;
	double fit;
	double sumfit;
}p[M];


void initial（population *）;//初始化函数
void evaluefitness（population *）;//计算适应度
void select（population *）;//选择复制函数
void crossover（population *）;//交叉函数
void mutation（population *）;//变异参数
void decoding（population *）;//解码函数
void print（population *）;//显示函数


int main（）//遗传算法主函数
{
	int gen=0;
	initial（&p[0]）;//随机获得初始解
	cout<<“initialed!“<	print（&p[0]）;
	decoding（&p[0]）;//先解码
	cout<<“decoded!“<	print（&p[0]）;
	evaluefitness（&p[0]）;//计算适应度值与累计适值
	cout<<“evalued!“<	print（&p[0]）;
	while（gen<=T）
	{
		cout<<“gen=“<		select（&p[0]）;//执行选择操作
		decoding（&p[0]）;
		evaluefitness（&p[0]）;
		cout<<“selected!“<		print（&p[0]）;
		crossover（&p[0]）;//执行交叉操作
		decoding（&p[0]）;
		evaluefitness（&p[0]）;
		cout<<“crossovered!“<		print（&p[0]）;
		mutation（&p[0]）;//执行变异操作
		decoding（&p[0]）;
		evaluefitness（&p[0]）;
		cout<<“mutated!“<		print（&p[0]）;
		gen++;
	}
	decoding（&p[0]）;
	evaluefitness（&p[0]）;
	cout<<“最后得出的满意解为:“<	for（int i=0;i		cout<<“x1:“<	return 0;
}



///////////////初始化函数//////////////////
int rand01（）//用于随机取0或1的函数
{
	int r;
	double q;
	q=rand（）/（RAND_MAX+0.0）;
	if（q<0.5）
		r=0;
	else
		r=1;
	return r;
}

void initial（population *t）//群体初始化函数
{
	int j;
	population *po;
	srand（time（0））;
	for（po=t;po		for（j=0;j<20;j++）
			（*po）.x[j]=rand01（）;
}


/////////////////////计算适应值函数////////////////
void evaluefitness（population *t）//计算适应值函数
{
	double fx1x2temp=0.0;
	population *po*po2;
	for（po=t;po	{
		x1=（*po）.x1;
		x2=（*po）.x2;
		f=100.0*（x1*x1-x2*x2）*（x1*x1-x2*x2）+（1.0-x1）*（1.0-x1）;
		（*po）.fit=f;
	}
	for（po=t;po	{
		for（po2=t;po2<=po;po2++）
			temp=temp+（*po2）.fit;
		（*po）.sumfit=temp;
		temp=0.0;
	}
}


/////////////////选择复制函数/////////////////////////
double randab（double a double b）//在区间（ab）内产生一个随机数
{
	double cr;
	c=b-a;
	r