一、遺傳算法介紹
創(chuàng)新互聯(lián)-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設(shè)、高性價(jià)比天心網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式天心網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設(shè)找我們，業(yè)務(wù)覆蓋天心地區(qū)。費(fèi)用合理售后完善，10余年實(shí)體公司更值得信賴。
遺傳算法是通過模擬大自然中生物進(jìn)化的歷程，來解決問題的。大自然中一個(gè)種群經(jīng)歷過若干代的自然選擇后，剩下的種群必定是適應(yīng)環(huán)境的。把一個(gè)問題所有的解看做一個(gè)種群，經(jīng)歷過若干次的自然選擇以后，剩下的解中是有問題的最優(yōu)解的。當(dāng)然，只能說有最優(yōu)解的概率很大。這里，我們用遺傳算法求一個(gè)函數(shù)的最大值。
f(x) = 10 * sin( 5x ) + 7 * cos( 4x ), 0 = x = 10
1、將自變量x進(jìn)行編碼
取基因片段的長度為10, 則10位二進(jìn)制位可以表示的范圍是0到1023。基因與自變量轉(zhuǎn)變的公式是x = b2d(individual) * 10 / 1023。構(gòu)造初始的種群pop。每個(gè)個(gè)體的基因初始值是[0, 1, 0, 1, 0, 1, 0, 1, 0, 1]
2、計(jì)算目標(biāo)函數(shù)值
根據(jù)自變量與基因的轉(zhuǎn)化關(guān)系式，求出每個(gè)個(gè)體的基因?qū)?yīng)的自變量，然后將自變量代入函數(shù)f（x），求出每個(gè)個(gè)體的目標(biāo)函數(shù)值。
3、適應(yīng)度函數(shù)
適應(yīng)度函數(shù)是用來評(píng)估個(gè)體適應(yīng)環(huán)境的能力，是進(jìn)行自然選擇的依據(jù)。本題的適應(yīng)度函數(shù)直接將目標(biāo)函數(shù)值中的負(fù)值變成0. 因?yàn)槲覀兦蟮氖亲畲笾?，所以要使目?biāo)函數(shù)值是負(fù)數(shù)的個(gè)體不適應(yīng)環(huán)境，使其繁殖后代的能力為0.適應(yīng)度函數(shù)的作用將在自然選擇中體現(xiàn)。
4、自然選擇
自然選擇的思想不再贅述，操作使用輪盤賭算法。其具體步驟：
假設(shè)種群中共5個(gè)個(gè)體，適應(yīng)度函數(shù)計(jì)算出來的個(gè)體適應(yīng)性列表是fitvalue = [1 ,3, 0, 2, 4] ，totalvalue = 10 ， 如果將fitvalue畫到圓盤上，值的大小表示在圓盤上的面積。在轉(zhuǎn)動(dòng)輪盤的過程中，單個(gè)模塊的面積越大則被選中的概率越大。選擇的方法是將fitvalue轉(zhuǎn)化為[1 ， 4 ，4 , 6 ，10], fitvalue / totalvalue = [0.1 , 0.4 , 0.4 , 0.6 , 1.0] . 然后產(chǎn)生5個(gè)0-1之間的隨機(jī)數(shù)，將隨機(jī)數(shù)從小到大排序，假如是[0.05 , 0.2 , 0.7 , 0.8 ,0.9]，則將0號(hào)個(gè)體、1號(hào)個(gè)體、4號(hào)個(gè)體、4號(hào)個(gè)體、4號(hào)個(gè)體拷貝到新種群中。自然選擇的結(jié)果使種群更符合條件了。
5、繁殖
假設(shè)個(gè)體a、b的基因是
a = [1, 0, 0, 0, 0, 1, 1, 1, 0, 0]
b = [0, 0, 0, 1, 1, 0, 1, 1, 1, 1]
這兩個(gè)個(gè)體發(fā)生基因交換的概率pc = 0.6.如果要發(fā)生基因交換，則產(chǎn)生一個(gè)隨機(jī)數(shù)point表示基因交換的位置，假設(shè)point = 4,則：
a = [1, 0, 0, 0, 0, 1, 1, 1, 0, 0]
b = [0, 0, 0, 1, 1, 0, 1, 1, 1, 1]
交換后為：
a = [1, 0, 0, 0, 1, 0, 1, 1, 1, 1]
b = [0, 0, 0, 1, 0, 1, 1, 1, 0, 0]
6、突變
遍歷每一個(gè)個(gè)體，基因的每一位發(fā)生突變（0變?yōu)?,1變?yōu)?）的概率為0.001.突變可以增加解空間
二、代碼
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
def b2d(b): #將二進(jìn)制轉(zhuǎn)化為十進(jìn)制 x∈[0,10] t = 0 for j in range(len(b)): t += b[j] * (math.pow(2, j)) t = t * 10 / 1023 return tpopsize = 50 #種群的大小#用遺傳算法求函數(shù)最大值：#f(x)=10*sin(5x)+7*cos(4x) x∈[0,10]chromlength = 10 #基因片段的長度pc = 0.6 #兩個(gè)個(gè)體交叉的概率pm = 0.001; #基因突變的概率results = [[]]bestindividual = []bestfit = 0fitvalue = []tempop = [[]]pop = [[0, 1, 0, 1, 0, 1, 0, 1, 0, 1] for i in range(popsize)]for i in range(100): #繁殖100代 objvalue = calobjvalue(pop) #計(jì)算目標(biāo)函數(shù)值 fitvalue = calfitvalue(objvalue); #計(jì)算個(gè)體的適應(yīng)值 [bestindividual, bestfit] = best(pop, fitvalue) #選出最好的個(gè)體和最好的函數(shù)值 results.append([bestfit,b2d(bestindividual)]) #每次繁殖，將最好的結(jié)果記錄下來 selection(pop, fitvalue) #自然選擇，淘汰掉一部分適應(yīng)性低的個(gè)體 crossover(pop, pc) #交叉繁殖 mutation(pop, pc) #基因突變 results.sort() print(results[-1]) #打印函數(shù)最大值和對(duì)應(yīng)的
來自CODE的代碼片
GA.py
1
2
3
4
5
6
7
8
9
def best(pop, fitvalue): #找出適應(yīng)函數(shù)值中最大值，和對(duì)應(yīng)的個(gè)體 px = len(pop) bestindividual = [] bestfit = fitvalue[0] for i in range(1,px): if(fitvalue[i] bestfit): bestfit = fitvalue[i] bestindividual = pop[i] return [bestindividual, bestfit]
來自CODE的代碼片
best.py
1
2
3
4
5
6
7
8
9
10
11
def calfitvalue(objvalue):#轉(zhuǎn)化為適應(yīng)值，目標(biāo)函數(shù)值越大越好，負(fù)值淘汰。 fitvalue = [] temp = 0.0 Cmin = 0; for i in range(len(objvalue)): if(objvalue[i] + Cmin 0): temp = Cmin + objvalue[i] else: temp = 0.0 fitvalue.append(temp) return fitvalue
來自CODE的代碼片
calfitvalue.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import mathdef decodechrom(pop): #將種群的二進(jìn)制基因轉(zhuǎn)化為十進(jìn)制（0,1023） temp = []; for i in range(len(pop)): t = 0; for j in range(10): t += pop[i][j] * (math.pow(2, j)) temp.append(t) return tempdef calobjvalue(pop): #計(jì)算目標(biāo)函數(shù)值 temp1 = []; objvalue = []; temp1 = decodechrom(pop) for i in range(len(temp1)): x = temp1[i] * 10 / 1023 #（0,1023）轉(zhuǎn)化為 （0,10） objvalue.append(10 * math.sin(5 * x) + 7 * math.cos(4 * x)) return objvalue #目標(biāo)函數(shù)值objvalue[m] 與個(gè)體基因 pop[m] 對(duì)應(yīng)
來自CODE的代碼片
calobjvalue.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import randomdef crossover(pop, pc): #個(gè)體間交叉，實(shí)現(xiàn)基因交換 poplen = len(pop) for i in range(poplen - 1): if(random.random() pc): cpoint = random.randint(0,len(pop[0])) temp1 = [] temp2 = [] temp1.extend(pop[i][0 : cpoint]) temp1.extend(pop[i+1][cpoint : len(pop[i])]) temp2.extend(pop[i+1][0 : cpoint]) temp2.extend(pop[i][cpoint : len(pop[i])]) pop[i] = temp1 pop[i+1] = temp2
來自CODE的代碼片
crossover.py
1
2
3
4
5
6
7
8
9
10
11
12
13
import randomdef mutation(pop, pm): #基因突變 px = len(pop) py = len(pop[0]) for i in range(px): if(random.random() pm): mpoint = random.randint(0,py-1) if(pop[i][mpoint] == 1): pop[i][mpoint] = 0 else: pop[i][mpoint] = 1
來自CODE的代碼片
mutation.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
import randomdef sum(fitvalue): total = 0 for i in range(len(fitvalue)): total += fitvalue[i] return totaldef cumsum(fitvalue): for i in range(len(fitvalue)): t = 0; j = 0; while(j = i): t += fitvalue[j] j = j + 1 fitvalue[i] = t;def selection(pop, fitvalue): #自然選擇（輪盤賭算法） newfitvalue = [] totalfit = sum(fitvalue) for i in range(len(fitvalue)): newfitvalue.append(fitvalue[i] / totalfit) cumsum(newfitvalue) ms = []; poplen = len(pop) for i in range(poplen): ms.append(random.random()) #random float list ms ms.sort() fitin = 0 newin = 0 newpop = pop while newin poplen: if(ms[newin] newfitvalue[fitin]): newpop[newin] = pop[fitin] newin = newin + 1 else: fitin = fitin + 1 pop = newpop
因?yàn)槟阒皇菍懥藗€(gè)代碼，并沒有告訴編譯器計(jì)算完后輸出結(jié)果給你看。如果想要看到結(jié)果，可以改為：
print 0.1 + 0.1 #如果你安裝的是python3.0以上的，需要加小括號(hào)：print (0.1+0.1)
或者更復(fù)雜一點(diǎn)，定義一個(gè)函數(shù)，并調(diào)用它。（如果只是定義，但沒有最后一行的調(diào)用，它也不會(huì)輸出結(jié)果給你看。）
def cal():
m = 0.1 + 0.1
print m
cal()
按照題目要求編寫的Python程序如下
def calBMI(height,weight):
BMI=weight/(height*height)
if BMI18.5:
return [BMI,"過輕"]
elif BMI24:
return [BMI,"正常"]
elif BMI28:
return [BMI,"過重"]
else:
return [BMI,"肥胖"]
import re
s=input("請(qǐng)輸入你的身高(米)和體重(公斤)【逗號(hào)隔開】：")
s1=re.split(r'[,，]',s)
height=float(s1[0])
weight=float(s1[1])
name="李子健"
bmi=calBMI(height,weight)
print("{}的測算結(jié)果為：".format(name))
print("BMI:%.2f"%bmi[0])
print(bmi[1])
源代碼(注意源代碼的縮進(jìn))
貌似沒有現(xiàn)成的......從別的地方找一個(gè)能實(shí)現(xiàn)你說的功能的代碼，你可以看看：
#encoding:utf8
def?w_day(y,m,d):#已知日期求星期
c=y//100
y=int(str(y)[-2:])
w=(y+(y//4)+(c//4)-2*c+(26*(m+1)//10)+d-1)%7?##蔡勒公式只適合于1582年10月15日之后
return?w
def?ml(y,m,d=1):#當(dāng)月有幾天
ly=(y%400==0)?or?(y%4==0?and?y%100!=0)?and?1?or?0?#閏年=1，平年=0
return?(m?in?(4,6,9,11)?and?30?or?(m==2?and?28+ly?or?31))
def?cal(y,m,d):?#輸出日歷
wf=w_day(y,m=1,d=1)?#該月的第一天是星期幾
mc=[(d==x?and?("["+str(x).rjust(2)+"]").center(5)?or?str(x).rjust(2).center(5))?for?x?in??range(1,ml(y,m)+1)]
mc[:0]=["?"*5]*wf
mc=[(i+1)%7?and?j?or?j+"\n"?for?i,j?in?enumerate(mc)]
td=("%s年%s月%s日??星期%s\n"?%(y,m,d,("一","二","三","四","五","六","日")[w_day(y,m,d)-1])).center(35)
x="\n?Sun??Mon??Tue??Wed??Thu??Fri??Sat\n"
return?td+x+"".join(mc)
##################################################################
##################################################################
if?__name__?==?'__main__':
import?datetime
T=datetime.date.today()
print("今天是：\n"+cal(T.year,T.month,T.day))
什么是CAL？
CAL（Common Analytics Library）
權(quán)益、固定收益及衍生品建模
核心以C++開發(fā)保證高性能
有Python接口，方便使用
目前只能在通聯(lián)的平臺(tái)上調(diào)用
lst ＝ ［］ ＃定義一個(gè)空列表
str ＝ raw＿input（＂請(qǐng)輸入數(shù)值，用空格隔開：＂）
lst1 = str.split(" ")#lst1用來存儲(chǔ)輸入的字符串，用空格分割
i ＝ 0
while i = len(lst1)+1:
lst．a(chǎn)ppend（int（lst1．pop（）））＃將lst1的數(shù)據(jù)轉(zhuǎn)換為整型并賦值給lst
i ＋＝ 1
＃print（lst）
def sum（list）：
＂對(duì)列表的數(shù)值求和＂
s ＝ 0
for x in list：
s ＋＝ x
return s
def average（list）：
＂對(duì)列表數(shù)據(jù)求平均值＂
avg ＝ 0
avg ＝ sum（list）／（len（list）＊1．0） ＃調(diào)用sum函數(shù)求和
return avg
print（＂avg ＝ ％f＂％average（lst））
擴(kuò)展資料：
for循環(huán)小括號(hào)里第一個(gè)“;”號(hào)前為一個(gè)為不參與循環(huán)的單次表達(dá)式，其可作為某一變量的初始化賦值語句, 用來給循環(huán)控制變量賦初值； 也可用來計(jì)算其它與for循環(huán)無關(guān)但先于循環(huán)部分處理的一個(gè)表達(dá)式。
執(zhí)行的中間循環(huán)體可以為一個(gè)語句，也可以為多個(gè)語句，當(dāng)中間循環(huán)體只有一個(gè)語句時(shí)，其大括號(hào){}可以省略，執(zhí)行完中間循環(huán)體后接著執(zhí)行末尾循環(huán)體。
執(zhí)行末尾循環(huán)體后將再次進(jìn)行條件判斷，若條件還成立，則繼續(xù)重復(fù)上述循環(huán)，當(dāng)條件不成立時(shí)則跳出當(dāng)下for循環(huán)。
重慶分公司
重慶分公司
