from?math?import?e
from?math?import?pi
import?numpy?as?np
import?random

k?=?pow（213）-1#每個基因的二進制序列種類數

def?f（x）:#目標函數
????n?=?len（x）
????return?-20*np.exp（-0.2*np.sqrt（1/n*sum（np.power（x2））））\
????????-np.exp（1/n*sum（np.cos（2*pi*x）））?+?20



def?translation（L）:#將二進制編碼還原為變量
????n?=?0
????for?i?in?range（13）:
????????n?+=?L[i]*pow（2i）
????
????return?-32.77?+?n?*?（65.54/k）

def?fitness（popular）:
????fit?=?[0]?*?len（popular）
????n?=?len（popular[0]）//13?#數據維度
????maxfit?=?-1e5
????for?i?in?range（popular）:
????????x?=?[]
????????for?j?in?range（n）:
????????????x.append（translation（i[13*j:13*j+13]））
????????fit[i]?=?f（np.array（x））
????????if?fit[i]?>?maxfit:
????????????maxfit?=?fit[i]
????for?i?in?range（len（fit））:
????????fit[i]?=?maxfit?-?fit[i]
????total?=?sum（fit）#總適應度
????for?i?in?range（len（fit））:
????????fit[i]?/=?total
????return?fit


def?choose（popular）:#進行自然選擇
????popular_len?=?len（popular）#個體個數
????survival_rate?=?[]
????for?i?in?range（popular_len）:
????????survival_rate.append（random.random（））
????
????fit?=?fitness（popular）#每個個體的存活率
????best_individual?=?popular[fit.index（max（fit））]#保存下當前種群最優個體（其實寫這里不太會）
????survival_rate.sort（）
????fitin?=?0
????newin?=?0
????newpopular?=?popular

????#?開始輪盤賭
????#?結束之后，適應度更高的個體在新種群中應該更多
????while?newin?????????if?survival_rate[newin]?????????????newpopular[newin]?=?popular[fitin]
????????????newin?+=?1#旋轉輪盤
????????else:
????????????fitin?+=?1#旋轉輪盤
????popular?=?newpopular
????return?best_individual

def?crossover（popularpc）:#pc為交叉率
????popular_len=len（popular）

????for?i?in?range（popular_len-1）:
????????crosspoint?=?random.randint（0len（popular[0]））#隨機生成交叉點
????????