def decoding(self):
"""
描述: 种群染色体解码。
"""
if self.Encoding == 'BG': # 此时Field实际上为FieldD
Phen = ea.bs2ri(self.Chrom, self.Field) # 把二进制转化为实整数
elif self.Encoding == 'RI' or self.Encoding == 'P':
Phen = self.Chrom.copy()
else:
raise RuntimeError(
'error in Population.decoding: Encoding must be '
'BG'
' or '
'RI'
' or '
'P'
'. (编码设置有误，Encoding必须为'
'BG'
', '
'RI'
' 或 '
'P'
'。)')
return Phen
def decoding(self):
"""
描述: 种群染色体解码。
"""
Phen = np.ones((self.sizes, 0)) # 初始化一个空的矩阵
# 遍历各染色体矩阵进行解码
for i in range(self.ChromNum):
if self.Encodings[i] == 'BG': # 此时Field实际上为FieldD
tempPhen = ea.bs2ri(self.Chroms[i],
self.Fields[i]) # 把二进制转化为实整数
elif self.Encodings[i] == 'RI' or self.Encodings[i] == 'P':
tempPhen = self.Chroms[i].copy()
else:
raise RuntimeError(
'error in PsyPopulation.decoding: Encoding must be '
'BG'
' or '
'RI'
' or '
'P'
'. (编码设置有误，Encoding必须为'
'BG'
', '
'RI'
' 或 '
'P'
'。)')
Phen = np.hstack([Phen, tempPhen])
return Phen
# 种群个体数目
MAXGEN = 200
# 最大遗传代数
maxormins = [-1] # 列表元素为1则表示对应的目标函数是最小化，元素为-1则表示对应的目标函数是最大化
selectStyle = 'rws' # 采用轮盘赌选择
recStyle = 'xovdp' # 采用两点交叉
mutStyle = 'mutbin' # 采用二进制染色体的变异算子
pc = 0.7 # 交叉概率
pm = 1 # 整条染色体的变异概率（每一位的变异概率=pm/染色体长度）
Lind = int(np.sum(FieldD[0, :])) # 计算染色体长度
obj_trace = np.zeros((MAXGEN, 2)) # 定义目标函数值记录器
var_trace = np.zeros((MAXGEN, Lind)) # 染色体记录器，记录历代最优个体的染色体
"""=========================开始遗传算法进化========================"""
start_time = time.time() # 开始计时
Chrom = ea.crtpc(Encoding, NIND, FieldD) # 生成种群染色体矩阵
variable = ea.bs2ri(Chrom, FieldD) # 对初始种群进行解码
CV = np.zeros(
(NIND, 1)) # 初始化一个CV矩阵（此时因为未确定个体是否满足约束条件，因此初始化元素为0，暂认为所有个体是可行解个体）
ObjV, CV = aimfunc(variable, CV) # 计算初始种群个体的目标函数值
FitnV = ea.ranking(maxormins * ObjV, CV) # 根据目标函数大小分配适应度值
best_ind = np.argmax(FitnV) # 计算当代最优个体的序号
# 开始进化
for gen in range(MAXGEN):
SelCh = Chrom[ea.selecting(selectStyle, FitnV, NIND - 1), :] # 选择
SelCh = ea.recombin(recStyle, SelCh, pc) # 重组
SelCh = ea.mutate(mutStyle, Encoding, SelCh, pm) # 变异
# 把父代精英个体与子代的染色体进行合并，得到新一代种群
Chrom = np.vstack([Chrom[best_ind, :].astype(int), SelCh])
Phen = ea.bs2ri(Chrom, FieldD) # 对种群进行解码(二进制转十进制)
ObjV, CV = aimfunc(Phen, CV) # 求种群个体的目标函数值
FitnV = ea.ranking(maxormins * ObjV, CV) # 根据目标函数大小分配适应度值
FieldD = np.array([
[3, 2], # 各决策变量编码后所占二进制位数--与决策变量范围以及精度相关，染色体长度为求和所得
[0, 0], # 下界
[7, 3], # 上界
[1, 1], # 编码方式 0--二进制 1--格雷码
[0, 0], # 是否采用对数刻度 0--算术刻度 1--对数刻度
[1, 1], # 范围是否包含下界 0--不含 1--包含
[1, 1], # 范围是否包含上界 0--不含 1--包含
[0, 0]
]) # 0--连续 1--离散
Chrom = crtpc(Encoding, Nind, FieldD)
print(Chrom)
# 解码，将二进制编码的矩阵转化为实数
help(bs2ri)
Phen = bs2ri(Chrom, FieldD)
print('表现型矩阵 = \n', Phen)
def aim(Phen):
x = Phen[:, [0]]
y = Phen[:, [1]]
CV = np.abs(x + y - 3)
f = x + y
return f, CV
ObjV, CV = aim(Phen)
print('目标函数矩阵：\n', ObjV)
print('CV矩阵：\n', CV)
