三个遗传算法matlab程序实例.docx
- 文档编号:1601608
- 上传时间:2022-10-23
- 格式:DOCX
- 页数:24
- 大小:32.74KB
三个遗传算法matlab程序实例.docx
《三个遗传算法matlab程序实例.docx》由会员分享,可在线阅读,更多相关《三个遗传算法matlab程序实例.docx(24页珍藏版)》请在冰豆网上搜索。
三个遗传算法matlab程序实例
三个遗传算法matlab程序实例
———————————————————————————————— 作者:
————————————————————————————————日期:
遗传算法程序
(一):
说明:
fga.m为遗传算法的主程序;采用二进制Gray编码,采用基于轮盘赌法的非线性排名选择, 均匀交叉,变异操作,而且还引入了倒位操作!
function [BestPop,Trace]=fga(FUN,LB,UB,eranum,popsize,pCross,pMutation,pInversion,options)
%[BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation)
% Findsamaximum of afunction of several variables.
%fmaxgasolves problems of theform:
%max F(X)subject to:
LB<=X<=UB
%BestPop -最优的群体即为最优的染色体群
%Trace -最佳染色体所对应的目标函数值
%FUN -目标函数
%LB -自变量下限
%UB -自变量上限
%eranum -种群的代数,取100--1000(默认200)
%popsize -每一代种群的规模;此可取50--200(默认100)
%pcross - 交叉概率,一般取0.5--0.85之间较好(默认0.8)
%pmutation -初始变异概率,一般取0.05-0.2之间较好(默认0.1)
%pInversion -倒位概率,一般取0.05-0.3之间较好(默认0.2)
%options-1*2矩阵,options(1)=0二进制编码(默认0),option
(1)~=0十进制编
%码,option
(2)设定求解精度(默认1e-4)
%
%------------------------------------------------------------------------
T1=clock;
if nargin<3, error('FMAXGA requiresatleastthree inputarguments');end
ifnargin==3, eranum=200;popsize=100;pCross=0.8;pMutation=0.1;pInversion=0.15;options=[01e-4];end
ifnargin==4,popsize=100;pCross=0.8;pMutation=0.1;pInversion=0.15;options=[01e-4];end
if nargin==5,pCross=0.8;pMutation=0.1;pInversion=0.15;options=[01e-4];end
ifnargin==6,pMutation=0.1;pInversion=0.15;options=[01e-4];end
ifnargin==7, pInversion=0.15;options=[01e-4];end
iffind((LB-UB)>0)
error('数据输入错误,请重新输入(LB '); end s=sprintf('程序运行需要约%.4f秒钟时间,请稍等......',(eranum*popsize/1000)); disp(s); global mnNewPopchildren1children2 VarNum bounds=[LB;UB]';bits=[];VarNum=size(bounds,1); precision=options (2);%由求解精度确定二进制编码长度 bits=ceil(log2((bounds(: 2)-bounds(: 1))' ./ precision));%由设定精度划分区间 [Pop]=InitPopGray(popsize,bits);%初始化种群 [m,n]=size(Pop); NewPop=zeros(m,n); children1=zeros(1,n); children2=zeros(1,n); pm0=pMutation; BestPop=zeros(eranum,n);%分配初始解空间BestPop,Trace Trace=zeros(eranum,length(bits)+1); i=1; whilei<=eranum forj=1: m value(j)=feval(FUN(1,: ),(b2f(Pop(j,: ),bounds,bits)));%计算适应度 end [MaxValue,Index]=max(value); BestPop(i,: )=Pop(Index,: ); Trace(i,1)=MaxValue; Trace(i,(2: length(bits)+1))=b2f(BestPop(i,: ),bounds,bits); [selectpop]=NonlinearRankSelect(FUN,Pop,bounds,bits);%非线性排名选择 [CrossOverPop]=CrossOver(selectpop,pCross,round(unidrnd(eranum-i)/eranum)); %采用多点交叉和均匀交叉,且逐步增大均匀交叉的概率 %round(unidrnd(eranum-i)/eranum) [MutationPop]=Mutation(CrossOverPop,pMutation,VarNum);%变异 [InversionPop]=Inversion(MutationPop,pInversion);%倒位 Pop=InversionPop;%更新 pMutation=pm0+(i^4)*(pCross/3-pm0)/(eranum^4); %随着种群向前进化,逐步增大变异率至1/2交叉率 p(i)=pMutation; i=i+1; end t=1: eranum; plot(t,Trace(: 1)'); title('函数优化的遗传算法');xlabel('进化世代数(eranum)');ylabel('每一代最优适应度(maxfitness)'); [MaxFval,I]=max(Trace(: 1)); X=Trace(I,(2: length(bits)+1)); holdon;plot(I,MaxFval,'*'); text(I+5,MaxFval,['FMAX='num2str(MaxFval)]); str1=sprintf ('进化到%d代,自变量为%s时,得本次求解的最优值%f\n对应染色体是: %s',I,num2str(X),MaxFval,num2str(BestPop(I,: ))); disp(str1); %figure (2);plot(t,p);%绘制变异值增大过程 T2=clock; elapsed_time=T2-T1; ifelapsed_time(6)<0 elapsed_time(6)=elapsed_time(6)+60;elapsed_time(5)=elapsed_time(5)-1; end ifelapsed_time(5)<0 elapsed_time(5)=elapsed_time(5)+60;elapsed_time(4)=elapsed_time(4)-1; end %像这种程序当然不考虑运行上小时啦 str2=sprintf('程序运行耗时%d 小时%d分钟%.4f 秒',elapsed_time(4),elapsed_time(5),elapsed_time(6)); disp(str2); %初始化种群 %采用二进制Gray编码,其目的是为了克服二进制编码的Hamming悬崖缺点 function[initpop]=InitPopGray(popsize,bits) len=sum(bits); initpop=zeros(popsize,len);%Thewholezeroencoding individual for i=2: popsize-1 pop=round(rand(1,len)); pop=mod(([0pop]+[pop0]),2); %i=1时,b(1)=a (1);i>1时,b(i)=mod(a(i-1)+a(i),2) %其中原二进制串: a (1)a (2)...a(n),Gray串: b (1)b (2)...b(n) initpop(i,: )=pop(1: end-1); end initpop(popsize,: )=ones(1,len);%The wholeoneencodingindividual %解码 function[fval]=b2f(bval,bounds,bits) %fval -表征各变量的十进制数 %bval-表征各变量的二进制编码串 %bounds- 各变量的取值范围 %bits -各变量的二进制编码长度 scale=(bounds(: 2)-bounds(: 1))'./(2.^bits-1);%The rangeofthevariables numV=size(bounds,1); cs=[0cumsum(bits)]; fori=1: numV a=bval((cs(i)+1): cs(i+1)); fval(i)=sum(2.^(size(a,2)-1: -1: 0).*a)*scale(i)+bounds(i,1); end %选择操作 %采用基于轮盘赌法的非线性排名选择 %各个体成员按适应值从大到小分配选择概率: %P(i)=(q/1-(1-q)^n)*(1-q)^i,其中 P(0)>P (1)>...>P(n),sum(P(i))=1 function[selectpop]=NonlinearRankSelect(FUN,pop,bounds,bits) globalmn selectpop=zeros(m,n); fit=zeros(m,1); fori=1: m fit(i)=feval(FUN(1,: ),(b2f(pop(i,: ),bounds,bits)));%以函数值为适应值做排名依据 end selectprob=fit/sum(fit);%计算各个体相对适应度(0,1) q=max(selectprob);%选择最优的概率 x=zeros(m,2); x(: 1)=[m: -1: 1]'; [yx(: 2)]=sort(selectprob); r=q/(1-(1-q)^m);%标准分布基值 newfit(x(: 2))=r*(1-q).^(x(: ,1)-1);%生成选择概率 newfit=cumsum(newfit);%计算各选择概率之和 rNums=sort(rand(m,1)); fitIn=1;newIn=1; while newIn<=m ifrNums(newIn)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 三个 遗传 算法 matlab 程序 实例