遺傳演算法解決八數碼難題

2021-08-02 05:00:04 字數 3340 閱讀 1646

八數碼難題是將乙個陣列序列通過3x3格式的拼圖方式，經過多次滑動轉換變成序列為「123804765」的序列。目標序列如圖所示：

1  2  3


8  0  4


7  6  5
本部落格使用了基因遺傳演算法，通過基因序列完成變換完成實驗。以下將通過知識表示形式，搜尋策略，搜尋效率和完備性進行說明。

在基因遺傳演算法中，基因是每次變化的方式，由於變換的方式只有上，下，左，右四種方式，所以只需要二進位制表示方式，每兩位表示一種變換方式，即「00」，「01」，「10」，「11」各表示一種變換方式，在基因序列中找到合適的序列就可以獲得完成序列變換的最終結果。

同時在是否是最後的目標序列的判斷上，使用了目標序列和現序列相同位置相同數字的和，當每個位置相同的時候，即為最後的變換結果。

在搜尋過程中，將一代基因隨機產生，通過變換判斷，獲取一條基因是否可以變成目標序列，當無法產生的時候，可以通過突變，交叉遺傳以及選擇遺傳的方式，將基因遺傳演算法傳到下一代再次進行計算，在這種演算法情況下，通過設定基因長度，可以調整最長變換次數，再通過代數調整，可以對演算法次數進行調整。

根據搜尋引數的調整，可以改善八數碼難題遺傳演算法的收斂速度，所以在整個**中，選擇了種群為150，基因規模為140，變異最大長度為10，交叉概率為0.75，變異概率為0.09，最大遺傳代數為1000，交叉最大長度為20，精英遺傳規模為10的引數。

**如下：

#include 


#include 


#include 


#include 


#include 


#include 


#include 


#include 


#include 


#include 


#include 


#include 


using


namespace


std;


const


double eps = 1e-10;


const


int ps = 150;


const


int gs = 200;


const


double pc = 0.75;


const


double pm = 0.09;


const


int deep = 2000;


const


double p_ps = 1.0 / ps;


const


int ds = 10;


const


int cmaxlen = 20;


const


int mmaxlen = 10;


const


int sucessvalue = 440;


char ss[12];


bool findans;


int ansid, anslen;


int r0,c0;


struct node st, ed;


int ed_map[10][2];


int dir_i[4] = ;


int dir_j[4] = ;


///00 01 10 11


char print_op[4] = ;


struct chromsome


};vector


population[2];


double psum[2];


int now;


int next1;


int nextn;


inline


int randomidx(int x)


inline


double random()


inline


int check(int i, int j) 


int get_h(node a)


int getfitnessvalue(int id, node a)}}


return ret;


}void calc()


//sort(population[now].begin(), population[now].end());


for (int i = 0; i < ps; i++)


//printf("\n");


}void init() 


}}int selection()


}return ps - 1;


}void crossover(int x, int y)


void mutation(int x)


void out(string s, int len)


ans.push_back(x);}}


char ss1[12];


for(int i = 0; i < 12; i ++)


printf("\n原拼圖：\n");


printf("%d %d %d\n",st.tab[0][0],st.tab[0][1],st.tab[0][2]);


printf("%d %d %d\n",st.tab[1][0],st.tab[1][1],st.tab[1][2]);


printf("%d %d %d\n\n",st.tab[2][0],st.tab[2][1],st.tab[2][2]);


for (int i = 0; i < ans.size(); i++)


else


if(print_op[ans[i]] == 'r')


else


if(print_op[ans[i]] == 'u')


else


if(print_op[ans[i]] == 'd')


}puts("");


}void out_table(node a);


void ga()


xx = random();


if (xx < pm)


xx = random();


if (xx < pm)


}next1 = now;


now ^= 1;


dep++;


}if (findans) out(population[now][ansid].gene, anslen);


cout


<< "代數： "


<< dep<< " 代"


<< endl;


}void solve()


void out_table(node a) 


}}void in(char s, node &st)


}}void pre()


}int get_preval(node a) 


return ret % 2;


}bool pre_solve() 


int main()


return


0;}

python遺傳演算法 Python 遺傳演算法實現

關於遺傳演算法 遺傳演算法是仿照自然界中生物進化而產生的一類優化演算法。個人感覺遺傳演算法簡單粗暴，適應性廣。關於遺傳演算法的介紹網上有很多了，這裡按照我自己的理解簡單概括一下。編碼解碼，將待優化的引數編碼為dna序列，最簡單直接的為二進位制編碼 即有兩種鹼基的dna鏈 生成隨機初代 選擇，適應度 ...

tsp問題 遺傳演算法解決

tsp問題最簡單的求解方法是列舉法。它的解是多維的 多區域性極值的 趨於無窮大的複雜解的空間，搜尋空間是n個點的所有排列的集合，大小為 n 1 可以形象地把解空間看成是乙個無窮大的丘陵地帶，各山峰或山谷的高度即是問題的極值。求解tsp，則是在此不能窮盡的丘陵地帶中攀登以達到山頂或谷底的過程。這一篇將...

遺傳演算法解決PlayTennis問題

機器學習課程結束，作為遺傳演算法小白，簡單實現了遺傳演算法解決playtennis問題，參考湯姆.公尺切爾的 機器學習 本人認為這個問題最大的難點在於如何設計適應度函式。首先把天氣狀況表示為二進位制位串 outlook sunny 100overcast 010rain 001humidity hi...