遗传算法python

“““
    Genetic algorithm
    -----------------
    Modified date : 2018/11/13  19:27
“““
# import libs
import numpy as np
import matplotlib.pyplot as plt

# Constant definition
MIN_VAL = [0]
MAX_VAL = [10]

# Class definition
class GA（）:
    “““
        GA class
    “““

    def __init__（self pop_num=50 chromosome_len=20 pc=0.8 pm=0.1 iters=200 v_num=1）:
        “““

        “““

        self.pop_num = pop_num                                   # Total group number
        self.chromosome_len = chromosome_len                     # Chromosome length
        self.pc = pc                                             # Cross probability
        self.pm = pm                                             # Mutation probability
        self.iters = iters                                       # Number of iterations

        self.v_num = v_num                                       # Number of variables
        self.optimal_solu = None                                 # Optimal solution
        self.pop_size = np.zeros（（self.pop_num self.chromosome_len*self.v_num））   # Population

        self.trace = []                                          #

    def init_pops（self）:
        “““
            init_pops function
            ------------------
        “““

        for i in range（self.pop_num）:
            for j in range（self.chromosome_len）:
                self.pop_size[i j] = np.random.randint（02）

    def fitness（self x）:
        “““
            fitness function
            ----------------
                Parameter:
                    x : Variable to be solved
                Return :
                    fitval : Fitness value
        “““
        # objective function 
        fitval = x + 10*np.sin（5*x）+ 7*np.cos（4*x）
        # Return value
        return fitval

    def btod（self b）:
        “““
            btod function
            -------------
                Parameter:
                    b ; Binary number
                Return:
                    d : Decimal
        “““

        d = 0
        for i in range（len（b））:
            d = d + b[i]*2**（len（b）-1-i）
        return d        

    def get_decimal（self bins）:
        “““
            get_decimal function
            --------------------
                Parameter:
                    bins   : Binary number set
                Return:
                    vals_10: Decimal number set
        “““

        # 2 to 10
        x_10 = np.zeros（（self.pop_num 1））
        k = 0
        for x_2 in bins:
            x_10[k] = self.btod（x_2）
            k +=1
        # 10 converts to the specified span
        vals_10 = np.zeros（（self.pop_num 1））
        for i in range（self.pop_num）:
            for j in range（1）:
                vals_10[i] = MIN_VAL[j] + x_10[i]*（（MAX_VAL[j]-MIN_VAL[j]）/（2**self.chromosome_len-1））
        # Return value
        return vals_10   
    
    def cumsum（self ps）: