python遗传算法求函数极值.py

from math import e
from math import pi
import numpy as np
import random

k = pow（213）-1#每个基因的二进制序列种类数

def f（x）:#目标函数
    n = len（x）
    return -20*np.exp（-0.2*np.sqrt（1/n*sum（np.power（x2））））\
        -np.exp（1/n*sum（np.cos（2*pi*x））） + 20



def translation（L）:#将二进制编码还原为变量
    n = 0
    for i in range（13）:
        n += L[i]*pow（2i）
    
    return -32.77 + n * （65.54/k）

def fitness（popular）:
    fit = [0] * len（popular）
    n = len（popular[0]）//13 #数据维度
    maxfit = -1e5
    for i in range（popular）:
        x = []
        for j in range（n）:
            x.append（translation（i[13*j:13*j+13]））
        fit[i] = f（np.array（x））
        if fit[i] > maxfit:
            maxfit = fit[i]
    for i in range（len（fit））:
        fit[i] = maxfit - fit[i]
    total = sum（fit）#总适应度
    for i in range（len（fit））:
        fit[i] /= total
    return fit


def choose（popular）:#进行自然选择
    popular_len = len（popular）#个体个数
    survival_rate = []
    for i in range（popular_len）:
        survival_rate.append（random.random（））
    
    fit = fitness（popular）#每个个体的存活率
    best_individual = popular[fit.index（max（fit））]#保存下当前种群最优个体（其实写这里不太会）
    survival_rate.sort（）
    fitin = 0
    newin = 0
    newpopular = popular

    # 开始轮盘赌
    # 结束之后，适应度更高的个体在新种群中应该更多
    while newin < popular_len:
        if survival_rate[newin] < fit[fitin]:
            newpopular[newin] = popular[fitin]
            newin += 1#旋转轮盘
        else:
            fitin += 1#旋转轮盘
    popular = newpopular
    return best_individual

def crossover（popularpc）:#pc为交叉率
    popular_len=len（popular）

    for i in range（popular_len-1）:
        crosspoint = random.randint（0len（popular[0]））#随机生成交叉点