java初学遗传算法一个练手的小程序实例源码介绍。近日研究了遗传算法，挺有意思的，在一个老外的网站上看到了这个小例子，感觉很好玩，自己用java实现了一下以上的算法。

问题实例：有10张纸牌，编号分别是1到10，现在要将这10张纸牌分为2堆，其中一堆求和为36，另一堆求积为360，问应该怎么分？（也就是说，最终的结果应该是：一堆为2+7+8+9+10=36，另一堆为1*3*4*5*6=360。当然，如果修改题目中的参数，改为32和360，那么结果就是2+3+4+6+7+10=32 和 1*5*8*9=360）
这个算法不保证每次都有结果，一般多运行几次是会得到结果的，当然，如果本身无解，那自然是永远也找不到结果的。

package andycpp;
import java.util.Random;
public class CardGA {
/**
* @param args
*/
public static void main(String[] args) {
new CardGA().run();
}
private final int pop_size = 30; //人口池容量
private final int chrom_length = 10; //染色体长度
private final float crossover_rate = 0.6f; //杂交率
private final float mutation_rate = 0.01f; //变异率
private final int max_generation = 1000; //繁殖次数的上限
private final int sum_tagart = 32; //纸牌求和的目标值
private final int product_targart = 360; //纸牌求积的目标值
private static Random rand = new Random(); //随机数产生器

private int[][] population = new int[pop_size][chrom_length]; //人口池

public void run() {
int generation = 0;
initPopuation(population);
int winner = 0, loser = 0;
while(generation < max_generation) {
generation++;
winner = rand.nextInt(pop_size);
loser = rand.nextInt(pop_size);
if(getFitness(winner) > getFitness(loser)) {
int temp = winner;
winner = loser;
loser = temp;
}
if(isAnswer(winner))
break;
crossover(winner, loser);
mutation(loser);
if(isAnswer(loser)) {
winner = loser;
break;
}
}
if(generation == max_generation)
System.out.println(“没找到合适的结果”);
else
System.out.println(“在第”+generation+”代”+parseToString(winner));
}
/**
* 将某个染色体解析为内容友好的字符串
*/
private String parseToString(int chrom) {
StringBuilder result = new StringBuilder();
StringBuilder sum = new StringBuilder();
StringBuilder prod = new StringBuilder();
for(int i=0; i<chrom_length; i++) {
if(population[chrom][i] == 0)
sum.append((i+1) + “+”);
else
prod.append((i+1) + “*”);
}
sum.replace(sum.length()-1, sum.length(), “=”+sum_tagart);
prod.replace(prod.length()-1, prod.length(), “=”+product_targart);
result.append(“找到了合适的纸牌组合，分别是：” + System.getProperty(“line.separator”));
result.append(sum.toString() + System.getProperty(“line.separator”));
result.append(prod.toString() + System.getProperty(“line.separator”));

return result.toString();
}
/**
* 判断某个染色体是否就是最终答案
*/
private boolean isAnswer(int chrom) {
if(getFitness(chrom) == 0f) {
return true;
}
return false;
}
/**
* 对染色体进行变异
*/
private void mutation(int chrom) {
for(int i=0; i<chrom_length; i++) {
if(rand.nextFloat()<mutation_rate) {
population[chrom][i] = (population[chrom][i]+1)%2;
}
}
}
/**
* 将两个染色体进行杂交，winner不变，只修改loser
*/
private void crossover(int winner, int loser) {
for(int i=0; i<chrom_length; i++) {
if(rand.nextFloat()<crossover_rate)
population[loser][i] = population[winner][i];
}
}
/**
* 取得第i个染色体的符合度，符合度越小越好
*/
private float getFitness(int chrom) {
int sum = 0;
int prod = 1;
for(int i=0; i<chrom_length; i++) {
if(population[chrom][i]==0)
sum += (1+i);
else
prod *= (1+i);
}
return (float)Math.abs(sum – sum_tagart)/sum_tagart + (float)Math.abs(prod – product_targart)/product_targart;
}
/**
* 初始化人口池，数组的内容为0或者1，
* 0标识该扑克牌被分配到求和组
* 1标识该扑克牌被分配到求积组
*/
private void initPopuation(int[][] population2) {
for(int i=0; i<pop_size; i++)
for(int j=0; j<chrom_length; j++) {
if(rand.nextFloat()<0.5f)
population[i][j] = 0;
else
population[i][j] = 1;
}

}
}