量子进化算法程序问题
这段量子进化算法程序参数设置：种群大小为30，量子位数目为18.想请教下中间红线加粗部分一大段关于qbits[i][]的代码是什么意思 起什么作用？import *;
import java.util.Date;
/*
* 始终用全局最优更新
*
* 种群大小为30
* Max_Generations 最大进化代数为30代
* maxRun 运行次数为30次
*/
public class Main_GlobalPSystemEvolver {
double com=1/Math.sqrt(2.0);//把根号2分之1的值赋给com
double[][] QBits=new double[60][18];//一个量子比特中有一对复数，种群有30代 ，需要60个复数
double aQBit[][]=new double[2][18];//声明2个二维数组并初始化，初始值全部为0；
int qbitCode[][]=new int[30][18];//种群大小30，量子位数目18，定义量子比特编码为整型
int fitness[]=new int[30];//初始化一维数组，规定数组大小为30；
int i=0,j=0;
static int maxRun=30;
static int SUCCESS=0;
static int FAIL=0;
static int totalGenerations=0;
int currentGenerations=0;
int Max_Generations=30;
int BestFitness;
int con_fitness;//历史最优适应值
int con_individual[]=new int[18];
int index;
int randPN;
double rand;
String BestRule;
Quantum_Update update;
PSystem_FitnessFunction psf;
PSystem_Individual psi=new PSystem_Individual();
//PrintStream outputFitness = null;
public Main_GlobalPSystemEvolver(){
}
//量子位初始化
public void Initial(){
for(i=0;i<60;i++){
for(j=0;j<18;j++){
rand=Math.random();//产生随机数，可返回0到1之间的一个随机数
if (rand<0.5)
randPN=1;
else
randPN=-1;
QBits[i][j]=randPN*com;//随机为正负根号2分之1，为量子比特中两个分量的值
}
}
}
//量子观测
public void QBitChange(double[][] bits){//定义了二维数组变量比特位：bits
int k=0;
for(i=0;i<bits.length;i++){//以行进行循环
if (i%2==0){
for(j=0;j<bits[i].length;j++){//以每行的列数循环
rand=Math.random();//两个for循环取得二维数组中的每一个值
if(rand<(bits[i][j]*bits[i][j]))
qbitCode[k][j]=0;
else
qbitCode[k][j]=1;//对量子比特进行二进制编码
}
k=k+1;
}
else
continue;
}
}
//确定性
public void QBitDeterminate(int[][] qbits){//定义了二维数组qbits
for(i=0;i<qbits.length;i++){
if(qbits[i][0]+qbits[i][3]==2){//两个for循环取得二维数组中的每一个值
rand=Math.random();//产生随机数
if(rand<=0.5)
qbits[i][0]=0;
else
qbits[i][0]=1;//二进制编码
qbits[i][3]=1-qbits[i][0];
}
if(qbits[i][1]+qbits[i][14]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][14]=0;
else
qbits[i][14]=1;
qbits[i][1]=1-qbits[i][14];
}
if(qbits[i][2]+qbits[i][15]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][15]=0;
else
qbits[i][15]=1;
qbits[i][2]=1-qbits[i][15];
}
if(qbits[i][4]+qbits[i][8]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][4]=0;
else
qbits[i][4]=1;
qbits[i][8]=1-qbits[i][4];
}
if(qbits[i][5]+qbits[i][6]+qbits[i][9]==3){
rand=Math.random();
if(rand<=1.0/3){
qbits[i][5]=1;
qbits[i][6]=0;
qbits[i][9]=0;
}
else{
if(rand>2.0/3){
qbits[i][5]=0;
qbits[i][6]=0;
qbits[i][9]=1;
}
else{
qbits[i][5]=0;
qbits[i][6]=1;
qbits[i][9]=0;
}
}
}
else{
if(qbits[i][5]+qbits[i][6]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][5]=0;
else
qbits[i][5]=1;
qbits[i][6]=1-qbits[i][5];
}
if(qbits[i][5]+qbits[i][9]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][5]=0;
else
qbits[i][5]=1;
qbits[i][9]=1-qbits[i][5];
}
if(qbits[i][6]+qbits[i][9]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][6]=0;
else
qbits[i][6]=1;
qbits[i][9]=1-qbits[i][6];
}
}
if(qbits[i][7]+qbits[i][10]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][7]=0;
else
qbits[i][7]=1;
qbits[i][10]=1-qbits[i][7];
}
if(qbits[i][11]+qbits[i][16]+qbits[i][17]==3){
rand=Math.random();
if(rand<=1.0/3){
qbits[i][11]=1;
qbits[i][16]=0;
qbits[i][17]=0;
}
else{
if(rand>2.0/3){
qbits[i][11]=0;
qbits[i][16]=0;
qbits[i][17]=1;
}
else{
qbits[i][11]=0;
qbits[i][16]=1;
qbits[i][17]=0;
}
}
}
else{
if(qbits[i][11]+qbits[i][16]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][11]=0;
else
qbits[i][11]=1;
qbits[i][16]=1-qbits[i][11];
}
if(qbits[i][11]+qbits[i][17]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][11]=0;
else
qbits[i][11]=1;
qbits[i][17]=1-qbits[i][11];
}
if(qbits[i][16]+qbits[i][17]==2){
rand=Math.random();
if(rand<=0.5)
qbits[i][16]=0;
else
qbits[i][16]=1;
qbits[i][17]=1-qbits[i][16];
}
}
}
}
//获得一维数组arr[]中所有元素的最小值，返回最小值及其索引位置
public int min(int[] arr){
int m=arr[0];
for (i=1; i< arr.length; i++){
if (arr[i]<m){
m=arr[i];
index=i;
}
}
return m;
}
public void Run(){
int iGenerations=0;
Initial();
QBitChange(QBits);
QBitDeterminate(qbitCode);
//获得各个个体的适应值
for(i=0;i<qbitCode.length;i++){
psf=new PSystem_FitnessFunction(qbitCode[i]);
fitness[i]=psf.fitnessValue;
}
BestFitness=min(fitness);
con_fitness=BestFitness;
for(i=0;i<18;i++){
con_individual[i]=qbitCode[index][i];
}
while(iGenerations<(Max_Generations-1)&&BestFitness>0){
iGenerations=iGenerations+1;
for (j=0; j<30;j++){
aQBit[0]=QBits[2*j];
aQBit[1]=QBits[2*j+1];
//量子更新
update=new Quantum_Update(con_individual,qbitCode[j],aQBit,con_fitness,fitness[j]);
QBits[2*j]=update.newQBit[0];
QBits[2*j+1]=update.newQBit[1];
}
QBitChange(QBits);
QBitDeterminate(qbitCode);
for(i=0;i<qbitCode.length;i++){
//fileLength=fil.length();
psf=new PSystem_FitnessFunction(qbitCode[i]);
fitness[i]=psf.fitnessValue;
}
BestFitness=min(fitness);
if(BestFitness<=con_fitness){
con_fitness=fitness[index];
for(i=0;i<18;i++){
con_individual[i]=qbitCode[index][i];
}
}
}
//获取最优规则集
BestRule=psi.getRule(con_individual);
currentGenerations=iGenerations;
totalGenerations+=currentGenerations;
}
public static void main(String args[]){
Main_GlobalPSystemEvolver evo=new Main_GlobalPSystemEvolver();
Date d1 = new Date();
System.out.println(d1.toString());
PrintStream outputFile = null;
try {
outputFile = new PrintStream(new FileOutputStream(
"D:\\java\\workspace\\SquareOfFour\\Results.txt", true));
} catch (FileNotFoundException e) {
e.printStackTrace();
}
for(int r=0;r<maxRun;r++){
evo.Run();
if (evo.BestFitness==0)
SUCCESS++;
else
FAIL++;
outputFile.println("===================================");
outputFile.println("BEGIN RUN:\t"+(r+1)+"\nGenerations="+evo.currentGenerations+"\tBestFitness="+
evo.BestFitness+"\nBestRule:\n"+evo.BestRule);
}
Date d2 = new Date();
int seconds = (int) ((d2.getTime() - d1.getTime()) / 1000);
outputFile.println("\nTotalGenerations:"+totalGenerations+"\nSuccess:"+SUCCESS+"\nFail:"+
FAIL+"\nDuration: " + (seconds / 60) + " minutes "+ (seconds % 60) + " seconds \n");
outputFile.close();
}
}
