遗传算法python代码

# -*- coding: utf-8 -*-
“““
Created on Sat Mar 30 17:01:13 2019

@author: Administrator
“““


import random

import math

import numpy as np

import matplotlib.pyplot as plt

 

population_size = 500  # 种群数量

generations = 200  # 迭代次数

chrom_length = 10   # 染色体长度

pc = 0.6  # 交配概率

pm = 0.01  # 变异概率

genetic_population = []  # 种群的基因编码（二进制）

population = []  # 种群对应的十进制数值并标准化范围到[0 10]

fitness = []  # 适应度

fitness_mean = []

optimum_solution = []  # 每次迭代的所获得的最优解

 

 

# 为染色体进行01编码，生成初始种群

def chrom_encoding（）:

    for i in range（population_size）:

        population_i = []

        for j in range（chrom_length）:

            population_i.append（random.randint（0 1））

        genetic_population.append（population_i）

 

 

# 对染色体进行解码，将二进制转化为十进制

def chrom_decoding（）:

    population.clear（）

    for i in range（population_size）:

        value = 0

        for j in range（chrom_length）:

            value += genetic_population[i][j] * （2 ** （chrom_length - 1 - j））

        population.append（value * 10 / （2 ** （chrom_length） - 1））

 

 

# 计算每个染色体的适应度

def calculate_fitness（）:

    sum = 0.0

    fitness.clear（）

    for i in range（population_size）:

        function_value = 10 * math.sin（5 * population[i]） + 7 * math.cos（4 * population[i]）

        if function_value > 0.0:

            sum += function_value

            fitness.append（function_value）

        else:

            fitness.append（0.0）

    # 返回群体的平均适应度

    return sum / population_size

 

 

# 获取最大适应度的个体和对应的编号

def best_value（）:

    max_fitness = fitness[0]

    max_chrom = 0

    for i in range（population_size）:

        if fitness[i] > max_fitness:

            max_fitness = fitness[i]

            max_chrom = i

    return max_chrom max_fitness

 

 

# 采用轮盘赌算法进行选择过程，重新选择与种群数量相等的新种群

def selection（）:

    fitness_proportion = []

    fitness_sum = 0

    for i in range（population_size）:

        fitness_sum += fitness[i]

    # 计算生存率

    for i in range（population_size）:

        fitness_proportion.append（fitness[i] / fitness_sum）

    pie_fitness = []

    cumsum = 0.0

    for i in range（population_size）:

        pie_fitness.append（cumsum + fitness_proportion[i]）

        cumsum += fitness_proportion[i]

    pie_fitness[-1] = 1

    # 生成随机数在轮盘上选点[0 1）

    random_selection = []

    for i in range（population_size）:

        random_selection.append（random.random（））

    random_selection.sort（）

    # 选择新种群

    new_genetic_population = []

    random_sel