軟件工程畢業(yè)設(shè)計-基于云遺傳算法的函數(shù)優(yōu)化設(shè)計-資料下載頁
2025-06-04 18:04本頁面
【正文】 ? ?mp ffek EnExf ???? 2 2)39。(2 )( k ff? 函數(shù)程序： int flipmutate(double probability) { double pm。 srand((unsigned)time(NULL))。 Enn=(sqrt(2*log(*rand()/RAND_MAX))*cos(2*Pi**rand()/RAND_MAX))*He+En。 if(f=avg) pm=p_2*exp((fEx)*(fEx)/(2*Enn*Enn))。 else pm=p_4。 if(pm=probability) return 1。 return 0。 } 產(chǎn)生下一代 void generation() { int j。 j=0。 do { mate1=select()。 mate2=select()。 ff=oldpop[mate1].fitness。 if(ffoldpop[mate2].fitness) ff=oldpop[mate2].fitness。 crossover(oldpop[mate1].chrom,oldpop[mate2].chrom,j)。 newpop[j].x=(double)decode(newpop[j].chrom)。 13 newpop[j].fitness=objfunc(newpop[j].x)。 newpop[j].parent1=mate1。 newpop[j].parent2=mate2。 newpop[j].xsite=jcross。 newpop[j+1].x=(double)decode(newpop[j+1].chrom)。 newpop[j+1].fitness=objfunc(newpop[j+1].x)。 newpop[j+1].parent1=mate1。 newpop[j+1].parent2=mate2。 newpop[j+1].xsite=jcross。 j=j+2。 }while(jpopsize)。 } 適 應(yīng)函數(shù) 的 計算 函數(shù) 100/)14( 2100)( ??? xexf 本身的值。 程序代碼： double objfunc(double x1) { double y。 y=pow((x114),2)/。 y=100*exp(y)。 return y。 } //所求函數(shù)的值 實驗結(jié)果 在編碼方案、選擇算子、交叉算子、變異算子、適應(yīng)度函數(shù)相同的情況下，分別用固定的交叉概率和變異概率即標(biāo)準(zhǔn)的遺傳算法以及自適應(yīng)的交叉概率和變異概率即云遺傳算法連續(xù)運行程序 10次。 10 次實驗的進化代數(shù)與收斂值對比結(jié)果如表 1 所示。通過表 1 可以看出， 10 次實驗中標(biāo)準(zhǔn)遺傳算法以及云遺傳算法全部都收斂， 其中標(biāo)準(zhǔn)遺傳算法收斂最大值 5 次，局部最大值 5 次 。 然而云遺傳情況要好，收斂最大值次數(shù)為 8 次，局部最大值為 2 次，而且在速度上也比標(biāo)準(zhǔn)遺傳算法的要快。 表 31 標(biāo)準(zhǔn)遺傳算法與云 遺傳算法對比結(jié)果 標(biāo)準(zhǔn)遺傳算法 云遺傳算法 進化代數(shù) 收斂值 進化代數(shù) 收斂值 90 100 77 100 3 526 7849 100 151 152 412 100 3897 100 6 100 555 595 100 159 100 3 100 2026 27 100 1302 100 178 100 97 6 100 14 結(jié)論 畢業(yè)設(shè)計終于在五月初完整的寫完了， 總的體會可以用一句話來表達，紙上得來終覺淺，絕知此事要躬行！ 以前的課題設(shè)計總是就一個方面來寫，如討論一個算法，或者完成一個功能，而做遺傳算法的畢業(yè)設(shè)計，它不僅僅是完成一個算法，而是對這個算法的背景，理論原理，應(yīng)用以及改進等多方面進行探討。對算法的來龍去脈搞得透徹的同時，提出自己的想法。 畢業(yè)設(shè)計是學(xué)生 即將完成學(xué)業(yè)的最后一個重要環(huán)節(jié) ， 它既是對學(xué)校所學(xué)知識的全面總結(jié)和綜合應(yīng)用 ， 又為今后走向社會的 提供實戰(zhàn)演戲的機會。 是 我們 對所學(xué)知識理論 的檢驗和總結(jié)，能夠培養(yǎng)和提高獨立分析實際問題和解決問題的能 力 。 15 致 謝 本論文是在指導(dǎo)老師 林紀(jì)漢 的悉心指導(dǎo)下完成的。在這次的畢業(yè)設(shè)計中，從論文的開題，函數(shù)模型的建立，遺傳算法研究，直至最后程序的設(shè)計， 林 老師都傾注了大量心血。 本次設(shè)計讓我對四年來的知識的學(xué)習(xí)有了一個全新的認(rèn)識，對以前學(xué)過的知識進行了一次系統(tǒng)的整理和復(fù)習(xí)，對專業(yè)技能有了一定的提高，對遺傳算法有了一個新的認(rèn)識。這次設(shè)計讓我受益匪淺，對即將踏入社會的我必將起到極大的幫助。 由于本人水平有限，實踐經(jīng)驗比較缺乏，設(shè)計過程中缺點和錯誤難免，敬 請各位老師批評指正。 再次向給與我極大幫助的 林 老師和各位同學(xué)表示衷心感謝。 16 參考文獻 [1] 陳國良，王煦發(fā)，莊鎮(zhèn)泉，王東生 .遺傳算法及其應(yīng)用 [M],北京： 人民郵電出版社， 1996:3570. [2] 王小平 ,曹立明 .遺傳算法 理論、應(yīng)用與軟件實現(xiàn) [M].西安 :西安交通大學(xué)出版社 ,2021:20100. [3] 陳明 .基于進化遺傳算法的優(yōu)化運算 [J].軟件學(xué)報， 1998， 9（ 11）： 5565. [4] 侯廣坤，駱江鵬 .一種理想并行 遺傳算法模型 [J].軟件學(xué)報， 1999,10（ 5）： 2329. [5] 周明，孫樹棟 .遺傳算法原理及應(yīng)用 [M].北京： 北京國防工業(yè)出版社， 1996:3478. [6] 陳莉 .混合遺傳算法及應(yīng)用 [J].四川師范大學(xué)學(xué)報， 1998,21（ 5）： 553558. [7] 李敏強，寇紀(jì)淞 .遺傳算法的基本理論與應(yīng)用 [M].北京： 科學(xué)出版社， 2021:149201. [8] 劉勇，康立山，陳毓屏 .非數(shù)值并行算法第二冊 [M].北京： 科學(xué)出版社， 1998. [9] 劉常昱 ,李德毅 ,潘莉莉 .基于云模型的不確定性知識表示 [J].計算機工程與應(yīng)用 ,2021,2:36. [10] 劉鵬 .云計算 [M].四川： 電子工業(yè)出版社， 2021:4168. [11] 王左利 .云計算面臨三重門 [J].中國教育風(fēng)格， 2021， 14（ 2）： 2629. [12] 李德毅，孟海軍，史雪梅 .隸屬云和隸屬云發(fā)生器 [J].計算機研究與發(fā)展， 1995,32(6):1618. [13] 張渝江，岳偉 .云計算叩開學(xué)校大門 [J].中國信息技術(shù)教育， 2021,12（ 2）： 3641. [14] 李德毅，孟海軍，史雪梅 .隸屬云和隸屬云發(fā)生器 [J].計算機研究所與發(fā)展， 1995,32（ 6）： 1520. [15] 劉常昱，馮芒，藏曉軍，等 .基于云 X 信息的逆向云新算法 [J].系統(tǒng)仿真學(xué)報， 2021,22（ 22）：261263. [16] 歐陽璟 .云計算趨勢一覽 [J].程序員 2021精華本， 2021， 52（ 1）： 282286. [17] 劉常昱 ,李德毅 ,杜鹢 ,韓旭 .正態(tài)云模型的統(tǒng)計分析 [J].信息與控制 ,2021,2. [18] 王樹良 .基于數(shù)據(jù)場與云模型的空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn) [D].武漢：武漢大學(xué)， 2021. [19] 白中英 ,楊旭東 .計算機體系結(jié)構(gòu) [M].北京： 科學(xué)出版社 ,2021:155159. [20] 樊重俊，王浣塵 .遺傳算法的改進與應(yīng)用 [J].上海交通大學(xué)學(xué)報， 1998,32（ 12）： 127131.
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1