我用java写的遗传算法的严重问题,程序没错,但不知道为什么结果总和预想的不同,实在是困惑,请帮忙啊!!!!

Question

源程序如下:
import java.io.IOException;
import java.io.File;
import java.io.FileReader;
import java.io.*;
public class GeneticAlgorithm {
    static int POPSIZE = 5; /* population size */
    static int MAXGENS = 5; /* max. number of generations */
    static int NVARS = 3; /* no. of problem variables */
    static float PXOVER = 0.8f; /* probability of crossover */
    static float PMUTATION = 0.3f; /* probability of mutation */
    int E = 6; 
    int T = 120; 
    int generation; /* current generation no. */
    int cur_best; /* best individual */
    BufferedReader infile;
    FileReader in;
    BufferedWriter outfile;
    FileWriter out;
    Genotype population[];
    Genotype newpopulation[];   
    int p[][][] = { { {0, 1, 1}, {0, 0, 0}, {0, 1, 1}, {0, 0, 0}
    }, { {1, 0, 0}, {0, 0, 0}, {1, 0, 0}, {0, 0, 0}
    }, { {0, 0, 0}, {0, 1, 1}, {0, 0, 0}, {0, 1, 1}
    }, { {0, 0, 0}, {1, 0, 0}, {0, 0, 0}, {1, 0, 0}
    }
    };
    double a[][][] = { { {10, 1, 1}, {10, 2, 4}, {1, 2.3, 1}, {3, 5, 1}
    }, { {1, 3, 0.8}, {2, 3, 1.5}, {1, 1, 2}, {2, 0.7, 4}
    }, { {2.5, 1.2, 3.4}, {10, 1, 1}, {1, 0.8, 13}, {1.9, 1, 1}
    }, { {0.4, 3, 2.3}, {1, 2.1, 4}, {3.2, 1, 0.5}, {1, 1.4, 1.6}
    }
    };
    double u[][][] = { { {2, 1, 1}, {3, 2, 4}, {1, 2.3, 1}, {3, 2, 1}
    }, { {1, 3, 0.8}, {2, 3, 1.5}, {1, 1, 0.9}, {2, 0.7, 4}
    }, { {0.7, 1.2, 3.4}, {0.5, 1, 1}, {1, 0.8, 0.9}, {1.9, 1, 1}
    }, { {0.4, 3, 2.3}, {1, 2.1, 4}, {0.4, 1, 0.3}, {1, 1.4, 0.8}
    }
    };
    double s[][][] = { { {0, 0, 0}, {0, 0, 0}, {0, 0, 0}, {0, 0, 0}
    }, { {0, 0, 0}, {0, 0, 0}, {0, 0, 0}, {0, 0, 0}
    }, { {0, 0, 0}, {0, 0, 0}, {0, 0, 0}, {0, 0, 0}
    }, { {0, 0, 0}, {0, 0, 0}, {0, 0, 0}, {0, 0, 0}
    }, { {0, 0, 0}, {0, 0, 0}, {0, 0, 0}, {0, 0, 0}
    }
    };
    GeneticAlgorithm() {     
        population = new Genotype[POPSIZE + 1]; /* population */
        newpopulation = new Genotype[POPSIZE + 1]; /* new population; */
        for (int i = 0; i <= POPSIZE; i++) {
            population[i] = new Genotype();
            newpopulation[i] = new Genotype();
        }
    }
    class Genotype /* genotype (GT), a member of the population */
            {
        double gene[];
        double fitness;
        double upper[];
        double lower[];
        double cfitness;
        double rfitness;
        Genotype() {
            gene = new double[NVARS]; /* a string of variables */
            fitness = 0; /* GT's fitness */
            upper = new double[NVARS]; 
            lower = new double[NVARS]; /* GT's variables lower bound */
            rfitness = 0; 
            cfitness = 0; 
        }
    }
    void initialize() {
        String str;
        String parts[];
        try {
            in = new FileReader("gadata.txt");
            infile = new BufferedReader(in);
            int i, j;
            double lbound, ubound;
            while ((str = infile.readLine()) != null) {
                parts = str.split(" ");
                for (i = 0; i < NVARS; i++) {
                    lbound = Double.parseDouble(parts[0]);
                    ubound = Double.parseDouble(parts[1]);                    for (j = 0; j < POPSIZE; j++) {
                        population[j].fitness = 0;
                        population[j].rfitness = 0;
                        population[j].cfitness = 0;
                        population[j].lower[i] = lbound;
                        population[j].upper[i] = ubound;
                        population[j].gene[i] = randval(population[j].lower[i],
                                population[j].upper[i]);
                                            }
                }
            }
            infile.close();
        }        catch (IOException e1) {
            System.out.println("Can not open input file!");
            System.exit(0);
        }
    }
  double randval(double low, double high) {
        double val;
        val = (double) java.lang.Math.random() * (high - low) + low;
        return (val);
    }
    void display() {
        int i, j;
        for (j = 0; j <= POPSIZE; j++) {
            for (i = 0; i < NVARS; i++) {
                System.out.print(population[j].gene[i] + "\t");
            }
            System.out.print("             " + population[j].fitness);
            System.out.print("\n");
        }
        System.out.print("\n");
    }    void evaluate() {
        int mem;
        int i, j, k;
        double t[] = new double[NVARS + 1];        double sum = 0;
        double min = 0;        for (mem = 0; mem < POPSIZE; mem++) {
            sum = 0;
            min = 0;
            for (i = 0; i < NVARS; i++) {
                t[i] = population[mem].gene[i];
                sum += t[i];
            }
            t[3] = T - sum;
            if (t[3] < E || t[3] > (T - 3 * E)) {
                population[mem].fitness = 0;
                continue;
            }
            for (i = 1; i < 5; i++) {
                for (j = 0; j < 4; j++) {
                    for (k = 0; k < 3; k++) {
                        if (s[i - 1][j][k] + a[i - 1][j][k] * t[i - 1] >=
                            p[i - 1][j][k] * u[i - 1][j][k] * t[i - 1]) {
                            s[i][j][k] = s[i - 1][j][k] + a[i - 1][j][k] * t[i -
                                         1] - p[i - 1][j][k] * u[i -
                                         1][j][k] * t[i - 1];
                        } else {
                            s[i][j][k] = 0;
                        }
                    }
                }
            }
            for (j = 0; j < 4; j++) {
                for (k = 0; k < 3; k++) {
                    //s[0][j][k]=s[4][j][k];
                    min += s[4][j][k];
                }
            }
            population[mem].fitness = 10000 - min;
        }
    }
    void keep_the_best() {
        int mem;
        int i;
        cur_best = 0; /* stores the index of the best individual */        for (mem = 0; mem < POPSIZE; mem++) {
            if (population[mem].fitness > population[POPSIZE].fitness) {
                cur_best = mem;
                population[POPSIZE].fitness = population[mem].fitness;
            }
        }
        /* once the best member in the population is found, copy the genes */
        for (i = 0; i < NVARS; i++) {
            population[POPSIZE].gene[i] = population[cur_best].gene[i];
        }    }

Answer 1

楼主，你写的关于遗传的东西太专业，
而且程序写的很不规范，没有详细的注释，比如
    int E = 6; 
    int T = 120; 
别人很难看懂的。
你可以介绍一下整个程序的流程（当然最好能介绍点遗传的基本知识）
再做下详细的注释，或许就有很多人帮你了！

Answer 2

是的,开始因为不能发太长的贴子,所以把一些注释删了.
E是一个定值..T是一个约束条件.
程序要实现.t1+t2+t3+t4=T  且每个   E=< t <=T-3*E  且使得
F=10000 - min最大, 目的是要使min最小,min是根据题目设定的一个函数...用遗传算法来做,通过模拟生物进化来选择最优,可以更快地找到最优解.
主要通过选择、交叉、变异、保留已得出的最优解、计算适应值。如此循环往复，一步步逼进
最佳解。其实在数学建模的matlab里有这样的工具包，但的确是有点难懂。这个程序我是从c++语言改过来的，我仔细对过，硬是找不出有什么不对。但就是不出现预想的结果！

Answer 3

而且你不应该(double) java.lang.Math.random() * (high - low) + low;
应该用Random类，rd.nextDouble();

Answer 4

java.lang.Math.random() 为什么不好?/