示例圖1:
示例圖2:
實施代碼:
進口？Java . util . ArrayList；
進口？Java . util . collections；
進口？Java . util . iterator；
進口？Java . util . linked list；
進口？Java . util . list；
進口？Java . util . random；
/**
*使用遺傳算法走迷宮
*
* @作者Orisun
*
*/
公共？班級？嘎
int？基因_長度；？//基因長度
int？chrom _ len？//染色體長度
int？人口；？//人口規模
雙倍？交叉比；？//交叉率
雙倍？muta _ ratio？//變化率
int？iter _ limit？//進化最多的代數
列表& ltboolean[]& gt；個人；？//存儲當代種群的染色體。
迷宮迷宮；
int？寬度；？//壹條迷宮線有多少個方塊？
int？身高；？//迷宮裏有多少條線？
公共？班級？BI {
雙倍？健身；
boolean[]indv；
公共？BI(雙？f，？boolean[] ind) {
適應度= f；
indv = ind
}
公共？雙倍？getFitness() {
回歸？健身；
}
公共？boolean[] getIndv() {
回歸？indv
}
}
列表& ltBI & gt最佳_個人；？//存儲每壹代中最優秀的個體。
公共？GA(迷宮)
this .迷宮=迷宮；？
this.width =迷宮地圖[0]。長度；
this.height =迷宮.地圖.長度；
chrom_len =？4?*(寬度+高度)；
gene_len =？2;
人口=？20;
cross_ratio =？0.83;
muta_ratio =？0.002;
iter_limit =？300;
個人=？新的？ArrayList & ltboolean[]& gt；(人口)；
最佳_個人=？新的？ArrayList & ltBI & gt(ITER _ limit)；
}
公共？int？getWidth() {
回歸？寬度；
}
公共？作廢？setWidth(int？寬度){
this.width =寬度；
}
公共？雙倍？getCross_ratio() {
回歸？交叉比；
}
公共？列表& ltBI & gtgetBest_individual() {
回歸？最佳_個人；
}
公共？迷宮getLabyrinth() {
回歸？迷宮；
}
公共？作廢？設置迷宮(迷宮){
this .迷宮=迷宮；
}
公共？作廢？setChrom_len(int？chrom_len) {
this.chrom _ len = chrom _ len
}
公共？作廢？setPopulation(int？人口){
this.population =人口；
}
公共？作廢？setCross_ratio(double？交叉比率){
this.cross_ratio =交叉比率；
}
公共？作廢？setMuta_ratio(double？muta_ratio) {
this.muta _ ratio = muta _ ratio
}
公共？作廢？setIter_limit(int？iter_limit) {
this.iter _ limit = iter _ limit
}
//初始化群體
公共？作廢？initPopulation() {
隨機r =？新的？random(system . current time millis())；
為了什麽？(int？我=？0;我& lt人口；i++) {
int？len = gene _ len * chrom _ len
boolean[] ind =？新的？boolean[len]；
為了什麽？(int？j =？0;j & ltlenj++)
ind[j]= r . nextboolean()；
personals . add(ind)；
}
}
//交叉
公共？作廢？cross(boolean[] arr1，？boolean[] arr2) {
隨機r =？新的？random(system . current time millis())；
int？長度= arr 1 . length；
int？切片=？0;
做什麽？{
slice = r.nextInt(長度)；
}?什麽時候？(slice ==？0);
如果？(切片& lt長度/？2) {
為了什麽？(int？我=？0;我& lt切片；i++) {
布爾？tmp = arr 1[I]；
arr 1[I]= arr 2[I]；
arr 2[I]= tmp；
}
}?不然呢？{
為了什麽？(int？i =切片；我& lt長度；i++) {
布爾？tmp = arr 1[I]；
arr 1[I]= arr 2[I]；
arr 2[I]= tmp；
}
}
}
//變化
公共？作廢？突變(布爾[]個體){
int？長度= individual.length
隨機r =？新的？random(system . current time millis())；
個人[r.nextInt(length)] ^=？假的；
}
//輪盤賭方法選擇下壹代，返回當前代的最高適應度值。
公共？雙倍？選擇(){
boolean[][] next_generation =？新的？boolean[population][]；？//下壹代
int？length = gene _ len * chrom _ len
為了什麽？(int？我=？0;我& lt人口；i++)
next_generation[i] =？新的？boolean[長度]；
double[]累計=？新的？雙倍[人口]；
int？best_index =？0;
雙倍？max _ fitness = get fitness(individuals . get(best _ index))；
累計[0]= max _ fitness；
為了什麽？(int？我=？1;我& lt人口；i++) {
雙倍？fit = get fitness(personals . get(I))；
累積[i] =累積？1]+fit；
//尋找當代最優秀的個人
如果？(fit & gtmax_fitness) {
best _ index = I；
max _ fitness = fit
}
}
隨機rand =？新的？random(system . current time millis())；
為了什麽？(int？我=？0;我& lt人口；i++)
next _ generation[I]= individuals . get(findByHalf(累計，
rand.nextDouble() *累計[人口-？1]));
//將當代最優個體及其適應度放入best_individual。
畢比=？新的？BI(max_fitness，individuals . get(best _ index))；
//print path(individuals . get(best _ index))；
//system . out . println(max _ fitness)；
best _ individual . add(bi)；
//新壹代作為當前代
為了什麽？(int？我=？0;我& lt人口；i++)
individuals.set(i，next _ generation[I])；
回歸？max _ fitness
}
//半搜索
公共？int？findByHalf(double[] arr，？雙倍？查找){
如果？(查找& lt？0?|| find ==？0?||查找& gtarr[arr.length -？1])
回歸？-1;
int？min =？0;
int？max =數組長度-？1;
int？中=最小；
做什麽？{
如果？(medium == (min + max) /？2)
打破；
中=(最小+最大)/？2;
如果？(arr[medium]& lt；查找)
最小=中等；
不然呢？如果？(arr[medium]>查找)
max =中；
其他
回歸？中等；
}?什麽時候？(min & ltmax)；
回歸？max
}
//計算適應度
公共？雙倍？getFitness(boolean[]個體){
int？長度= individual.length
//記錄當前位置，入口點為(1，0)。
int？x =？1;
int？y =？0;
//按照染色體中基因的指引向前移動。
為了什麽？(int？我=？0;我& lt長度；i++) {
布爾？b1 =個人[I]；
布爾？b2 =個人[++ I]；
// 00向左走。
如果？(b1 ==？假的？& amp& ampb2 ==？false) {
如果？(x & gt？0?& amp& amp迷宮.地圖[y][x -？1] ==?真){
x-；
}
}
// 01向右走
不然呢？如果？(b1 ==？假的？& amp& ampb2 ==？真){
如果？(x +？1?& lt寬度和尺寸。& amplabyrinth.map[y][x +？1] ==?真){
x++；
}
}
// 10往上走
不然呢？如果？(b1 ==？真的嗎？& amp& ampb2 ==？false) {
如果？(y & gt？0?& amp& amp迷宮.地圖[y -？1][x] ==？真){
y-；
}
}
// 11往下走
不然呢？如果？(b1 ==？真的嗎？& amp& ampb2 ==？真){
如果？(y +？1?& lt身高和體重。& amp迷宮.地圖[y +？1][x] ==？真){
y++；
}
}
}
int？n = math . ABS(x-labyrinth . x _ end)+math . ABS(y-labyrinth . y _ end)+？1;
//?如果(n==1)
//?printPath(個人)；
回歸？1.0?/n；
}
//運行遺傳算法
公共？布爾？run() {
//初始化群體
init population()；
隨機rand =？新的？random(system . current time millis())；
布爾？成功=？假的；
什麽時候？(ITER _ limit-& gt；？0) {
//擾亂人口秩序
Collections.shuffle(個人)；
為了什麽？(int？我=？0;我& lt人口？1;我+=？2) {
//交叉
如果？(rand . next double()& lt；交叉比率){
cross(individuals.get(i)，individuals.get(i +？1));
}
//變化
如果？(rand . next double()& lt；muta_ratio) {
突變(individuals . get(I))；
}
}
//人口替換
如果？(selection() ==？1) {
成功=？真實；
打破；
}
}
回歸？成功；
}
//?公共靜態void main(String[] args) {
//?GA ga =新GA(8，8)；
//?如果(！ga.run()) {
//?System.out.println("沒有找到走出迷宮的路。");
//?}否則{
//?int gen = ga . best _ individual . size()；
//?布爾[]個體= ga . best _ individual . get(gen-1)。indv
//?System.out.println(ga.getPath(個體))；
//?}
//?}
//根據染色體打印方法
公共？string getPath(boolean[]individual){
int？長度= individual.length
int？x =？1;
int？y =？0;
LinkedList & lt字符串& gtstack=new？LinkedList & lt字符串& gt();
為了什麽？(int？我=？0;我& lt長度；i++) {
布爾？b1 =個人[I]；
布爾？b2 =個人[++ I]；
如果？(b1 ==？假的？& amp& ampb2 ==？false) {
如果？(x & gt？0?& amp& amp迷宮.地圖[y][x -？1] ==?真){
x-；
如果(！stack . isempty()& amp；& ampStack.peek()== "right ")
stack . poll()；
其他
stack . push(" left ")；
}
}?不然呢？如果？(b1 ==？假的？& amp& ampb2 ==？真){
如果？(x +？1?& lt寬度和尺寸。& amplabyrinth.map[y][x +？1] ==?真){
x++；
如果(！stack . isempty()& amp；& ampStack.peek()== "left ")
stack . poll()；
其他
stack . push(" right ")；
}
}?不然呢？如果？(b1 ==？真的嗎？& amp& ampb2 ==？false) {
如果？(y & gt？0?& amp& amp迷宮.地圖[y -？1][x] ==？真){
y-；
如果(！stack . isempty()& amp；& ampStack.peek()== "Down ")
stack . poll()；
其他
stack . push(" up ")；
}
}?不然呢？如果？(b1 ==？真的嗎？& amp& ampb2 ==？真){
如果？(y +？1?& lt身高和體重。& amp迷宮.地圖[y +？1][x] ==？真){
y++；
如果(！stack . isempty()& amp；& ampStack.peek()== "Up ")
stack . poll()；
其他
stack . push(" down ")；
}
}
}
StringBuilder sb=new？StringBuilder(長度/4)；
叠代器& lt字符串& gtITER = stack . descending iterator()；
while(iter.hasNext())
sb . append(ITER . next())；
回歸？sb . tostring()；
}
}