遗传算法单点交叉代码

单点交叉的代码如下所示：

function [y1, y2] = crossPop(x1, x2)
    n = numel(x1);
    s = randi([1, n - 1]);
    y1 = [x1(1:s), x2(s+1:end)];
    y2 = [x2(1:s), x1(s+1:end)];
end

相关问题

遗传算法单点交叉python代码

def single_point_crossover(parent1, parent2):
crossover_point = random.randint(0, len(parent1) - 1)
child1 = parent1[:crossover_point] + parent2[crossover_point:]
child2 = parent2[:crossover_point] + parent1[crossover_point:]
return child1, child2

# 示例使用
parent1 = [9, 3, 5, 4, 6, 0, 2, 1, 7, 8]
parent2 = [1, 4, 0, 2, 7, 8, 6, 9, 5, 3]
child1, child2 = single_point_crossover(parent1, parent2)
print(child1)
print(child2)

遗传算法单点交叉操作python代码

以下是一个使用单点交叉操作的遗传算法的简单示例代码：

import numpy as np

def single_point_crossover(parent1, parent2):
    # 选择交叉点
    crossover_point = np.random.randint(1, len(parent1))
    
    # 生成两个子代个体
    child1 = np.concatenate((parent1[:crossover_point], parent2[crossover_point:]))
    child2 = np.concatenate((parent2[:crossover_point], parent1[crossover_point:]))
    
    return child1, child2

# 示例使用的父代个体
parent1 = np.array([1, 2, 3, 4, 5])
parent2 = np.array([6, 7, 8, 9, 10])

# 执行单点交叉操作
child1, child2 = single_point_crossover(parent1, parent2)

# 输出结果
print("Parent 1:", parent1)
print("Parent 2:", parent2)
print("Child 1:", child1)
print("Child 2:", child2)

在这个示例代码中，`single_point_crossover` 函数实现了单点交叉操作。它接收两个父代个体 `parent1` 和 `parent2`，然后在一个随机选择的交叉点将两个个体进行切割，并生成两个子代个体 `child1` 和 `child2`。

在示例中，父代个体 `parent1` 是 `[1, 2, 3, 4, 5]`，父代个体 `parent2` 是 `[6, 7, 8, 9, 10]`。通过调用 `single_point_crossover` 函数，进行单点交叉操作，生成了两个子代个体 `child1` 和 `child2`。

最后，输出了父代和子代个体的值。注意，单点交叉操作将父代个体在交叉点处进行切割，并将部分基因从一个父代个体传递给子代个体，从而实现了遗传算法中的交叉操作。