智能系统 实验核心代码汇总 电子 第2--10章.docx
第2章实验代码1、主程序numpynpmatp1ot1ib.pyp1otpitrun():1、输入节点个数N2、node_factory(N):生成N个节点的列表3、c1assify(nodes,f1ag,k=10)：进行k轮簇分类，f1ag已标记的节点不再成为簇头,返回所有簇的列表4、show_p1t(C1aSSes):迭代每次聚类结果，显示连线图:return:N=IOO#N=int(input(”请输入节点个数：“)机获取初始节点列表，选择标志列表nodes/f1agnode_factory(N)书对节点列表进行簇分类，k为迭代轮数iter_c1assesc1assify(nodes,f1ag,k=10)c1assesiter_c1asses:#显示分类结果show_p1t(c1asses)2、判断距离函数#判断距离函数dist(V_A,v_B):V1IVM判断两个节点之间的一维距离:paramv_A:A二维向量:paramv_B:B二维向量:return:-维距离V1IVVBnp.sqrt(np.power(vA0-v_B0),2)np.power(vA1-v_B1)2)3、生成随机节点集node_factory(N):生成N个节点的集合:paramN:节点的数目:paramnodes:节点的集合:Paramse1ected-f1ag:标志：是否被选择为簇首-初始化为0:return:节点集合nodes=x,y"x,y.+标志fa1gnodesse1ected_f1agirange(OzN)：# 在1*1矩阵生成x,y坐标nodenp.random.random(),np.random.random()# Print("生成的节点为：node)nodes.append(node)# 对应的选择标志初始化为0se1ected_f1ag.append(0)# Print("生成："，Ien(nodes),"个节点”)# print("初始化标志列表为"，se1ected_f1ag)nodeszSeIeCted_f1ag4、根据1EACH算法选择簇头节点se1_heads(r,nodes,f1ags)：# 1IfV1根据阈值选取簇头节点:paramr:轮数:paramnodes:节点歹U表:paramf1ags:选择标志:paramP:比例因子:return:簇头歹IJ表heads,簇成员歹IJ表membersf1HV1# 阈值函数Tn使用IeaCh计算P0.05*(100/Ien(nodes)TnP/(1-P*(r(1/P)# Print(“阈值为："，Tn)# 簇头列表heads# 簇成员列表members# 本轮簇头数n_head=0# 对每个节点生成对应的随机数randsnp.random.random()_range(1en(nodes)# Print("随机数为：rands)# 遍历随机数列表，选取簇头irange(1en(nodes)：#若此节点未被选择为簇头f1agsi0:#随机数低于阈值一选为簇头randsi<:Tn：f1agsi=1heads.append(nodesi)n_head+=1#print(nodesi,"被选为第"，n_headz"个簇头")#随机数高于阈值e1se:members.append(nodesi)#若此节点已经被选择过members.append(nodesi)Print(“簇头为：“，Ien(heads)z“个“)Print("簇成员为：Ien(members)z"个")heads,members5、节点分簇算法.'c1assify(nodes,f1ag,k1):# 1IfVV进行簇分类:paramnodes:节点歹J表:paramf1ag:节点标记:paramk:轮数:return:簇分类结果列表c1asses类1.,类2.类1.簇头.簇成员# 1I1f1# k轮的集合iter_c1asses# 迭代r轮forrrange(k):# 获取簇头列表，簇成员列表heads,membersse1_heads(rnodes,f1ag)# 建立簇类的列表c1asses()_range(1en(heads)# 将簇头作为头节点添加到聚类列表中irange(1en(heads)：# print(zi+1,"个簇头为"，headsi)c1asses(i.append(headsi)# Print("簇头集合：c1asses)# 簇分类：遍历节点nodenrange(1en(members)：#选取距离最小的节点dist_min1irange(1en(heads)：dist_headsdist(membersnzheadsi)#找到距离最小的簇头对应的heads下标idist_heads<dist_min：dist_mindist_headshead_c1ai#添加到距离最小的簇头对应的聚类列表中c1asseshead_c1a.append(membersn)#将簇头作为头节点添加到聚类列表中iter_c1asses.append(c1asses)#O个簇头的情况dist_min1:Print(”本轮没有簇头！”)iter_c1asses6、绘制分类图show_p1t(c1asses)：V1Itf1显示分类图:paramc1asses:类1.,类2.>簇头，成员，成员.:return:V1ItVVfigpit.figure()ax1pit.gca()# 设置标题ax1.set_tit1e(,WSN1')# 设置X轴标签pit.x1abe1(,X,)# 设置Y轴标签p1t.y1abe1(,Y,)icon,o,z,*'z,.,x,z,+,r,s,co1or,r,b,z,g,z,c,'y,z'm'#对每个簇分类列表进行showirange(1en(c1asses)：centorc1assesi0pointc1asses(i)：ax1.p1ot(centor0,point0,centor1,point1,co1ori6,marker=iconi5,a1pha-0.4)#显示所画的图pit.show()第3章实验核心代码用遗传算法求解函数的最大值：y=10*sin(5x)+7*cos(4x)步骤如下：1 .初始化种群,我们采用十位二进制进行编码代表X的值,产生n个个体，代码如下：importrandomdefgeneEncoding(pop_size,ChromJength):pop=foriinrange(pop_size):temp=forjinrange(chrom_1ength):temp.append(random.randint(0,1)pop.apend(temp)returnpop1:2 .对染色体解码，也就是二进制转化为十进制，并计算适应度，在这个问题中也就是函数值的大小，代码如下：importmathdefdecodechrom(pop,ChromJength):temp=foriinrange(1en(pop):t=0forjinrange(chromjength):t+=popij*(math.pow(2J)temp.append(t)returntempdefca1objVa1ue(pop,chrom_1ength,max_va1ue):tempi=obj_va1ue=tempi=decodechrom(pop,chrom_1ength)foriinrange(1en(temp1):x=tempii*max_va1ue/(math.pow(2,chrom_1ength)-1)obj_va1ue.append(10*math.sin(5*x)+7*math.cos(4*x)returnobj_va1ue3 .对于值为负数的个体进行淘汰，代码如下：defca1fitVa1ue(obj_va1ue):fit_va1ue=c_min=0foriinrange(1en(obj_va1ue):if(obj_va1uei+c_min>0):temp=c_min+obj_va1ueie1se:temp=0.0fit_va1ue.append(temp)returnfit_va1ue4 .找出当前种群的最优解，也就是最大值，保存在IiSt中，代码如下：defbest(pop,fit_va1ue):px=1en(pop)best_individua1=best_fit=fit_va1ue0foriinrange(1,px):if(fit_va1uei>best_fit):best_fit=fit_va1ue1ibest_individua1=popireturnIbestJndividua1,best_fit5 .计算每个个体被选中的概率，这里就是用个体的函数朱除以总群全体值得到，然后利用轮盘法进行选择，代码如下：importrandomdefsum(fit_va1ue):tota1=0foriinrange(1en(fit_va1ue):tota1+=fit_va1ueireturntota1defcumsum(fit_va1ue):foriinrange(1en(fit_va1ue)-2,-1,-1):t=0j=whi1e(j<=i):t+=fit_va1ue|jj÷=1fit_va1uei=tfit_va1ue1en(fit_va1ue)-1=1defse1ection(pop,fit_va1ue):newfit_va1ue=tota1_fit=sum(fit_va1ue)foriinrange(1en(fit_va1ue):newfit_va1ue.append(fit_va1uei/tota1_fit)cumsum(newfit_va1ue)ms=pop_1en=1en(po)foriinrange(pop_1en):ms.append(random.random()ms.sort()fitin=0newin=Onewpop=pop#转轮盘选择法whi1enewin<pop_1en:if(msnewin<newfit_va1uefitin):newpopnewin=popfitinnewin=newin+1e1se:fitin=fitin+1pop=newpop6 .进行交叉和变异操作，代码如下：importrandomdefcrossover(pop,pc):
