基本遗传算法的C语言实现

目    录

摘要……………………………………………………………………………………….………………….1
前言…………………………………………………………………………………..….….......……………2
1 绪论………………………………………………………………………………….…………………….3
1.1 引言……………………………………..……….…………….……………………….…..………....3
1.2 遗传算法简介………………………..…………….………….……………..……….………………3
1.3 遗传算法的应用…………………..………………….………………………………...………….…3
1.4 适应度简介………………………..……………………….……….…………………...…………....4
1.5 C语言简介………………………………..……………………..……………………...………...…..4
2 遗传算法C语言实现……………….....….…………………………....…….…..….…………….…......5
2.1 选择算子C语言实现……………….……………………………………....……….….…...………5
   2.1.1 最佳个体保存方法……………….………………………..………………..…...………………..5
   2.1.2 期望值方法…………………….…………………………………………………..…..………….7
   2.1.3 适应度比例方法………………………….……………………..….……………………………..8
2.2 交叉算子C语言实现……………………….………………………...…………………….…….…9
   2.2.1 1点交叉…………………………....……………..…………………..…...………….....….…….9

基本遗传算法的C语言实现

摘要
遗传算法是1类借鉴生物界选择和自然遗传机制的随机化搜索算法。在NP-类组合优化问题的搜索优化应用中显示了超出想象的、良好的搜索性能。本文利用C语言编译遗传算法中的最佳个体保存、期望值、适应度比例选择算子，1点交叉、1致交叉算子，基本变异、逆转变异算子，最后应用遗传算法求解背包问题并将求解过程用C语言实现，并比较了不同的选择算子优越性。 （科教作文网 zw.nseac.com整理）
关键字：遗传算法；操作算子；C语言；背包问题

Implementation of basic Genetic algorithms with C language

Abstract
Genetic algorithm is a type of the random search algorithm which relies on the biological options natural genetic mechanisms .It demonstrates beyond imagination and good search capabilities in the search optimization applications of the NP-category portfolio optimization problems. Through using the C language to translate the genetic algorithms，the best-preserved，expectations，the degree of choice of a son，the cross-porint，as a cross-line，basic variations，a reverse variationis the cast application of genetic algorithms combined backpack problems with the process and fellow C language achievement，and compare the different superiority of options son .
Key word: Genetic algorithm；Operating a son；C language；Backpack problems    

前    言

近代科学技术发展的显著特点之1是生命科学与工程科学的相互交叉、相互渗透和相互促进。遗传算法的蓬勃发展正体现了学科发展的这1特征和趋势。
遗传算法的内涵哲理乃是启迪于自然界生物从低级、简单、到高级、复杂，乃至人类这样1个漫长而绝妙的进化过程，借鉴于达尔文的物竞天演、优胜劣汰、适者生存的自然选择和自然遗传的机理，其本质是1种求解问题的高效并全局搜索方法。它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最优解。
遗传算法和其它的搜索方法相比，其优越性主要表现在以下几个方便：首先，遗传算法在搜索过程中不易陷入局部最优，即使在所定义的适应度函数非连续、不规则和伴有噪声的情况下也能1极大的概率找到全局最优解；其次，由于遗传算法固有的并行性，使得它非常适合于大规模并行分布处理；此外，遗传算法易于和别的技术相结合，形成性能更优的问题求解方法。

（转载自中国科教评价网www.nseac.com ）