遗传算法matlab实现源程序.docx

遗传算法matlab实现源程序.docx

《遗传算法matlab实现源程序.docx》由会员分享，可在线阅读，更多相关《遗传算法matlab实现源程序.docx（10页珍藏版）》请在冰豆网上搜索。

遗传算法matlab实现源程序

附页：

一．遗传算法源程序：

clc;

clear;

population;

%评价目标函数值

foruim=1:

popsize

   vector=population（uim,:

）;

   obj（uim）=hanshu（hromlength,vector,phen）;

end

%obj

%min（obj）

clearuim;

objmin=min（obj）;

forsequ=1:

popsize

   ifobj（sequ）==objmin

       opti=population（sequ,:

）;

   end

end

clearsequ;

fmax=22000;

%==

forgen=1:

maxgen

%选择操作

%将求最小值的函数转化为适应度函数

forindivi=1:

popsize

   obj1（indivi）=1/obj（indivi）;

end

clearindivi;

%适应度函数累加总合

total=0;

forindivi=1:

popsize

   total=total+obj1（indivi）;

end

clearindivi;

%每条染色体被选中的几率

forindivi=1:

popsize

   fitness1（indivi）=obj1（indivi）/total;

end

clearindivi;

%各条染色体被选中的范围

forindivi=1:

popsize

   fitness（indivi）=0;

   forj=1:

indivi

       fitness（indivi）=fitness（indivi）+fitness1（j）;

   end

end

clearj;

fitness;

%选择适应度高的个体

forranseti=1:

popsize

   ran=rand;

   while（ran>1||ran<0）

       ran=rand;

   end

   ran;

   ifran<=fitness

（1）

       newpopulation（ranseti,:

）=population（1,:

）;

   else

       forfet=2:

popsize

           if（ran>fitness（fet-1））&&（ran<=fitness（fet））

               newpopulation（ranseti,:

）=population（fet,:

）;

           end

       end

   end

end

clearran;

newpopulation;

%交叉

forint=1:

2:

popsize-1

   popmoth=newpopulation（int,:

）;                     

   popfath=newpopulation（int+1,:

）;                 

   popcross（int,:

）=popmoth;

   popcross（int+1,:

）=popfath;

   randnum=rand;

   if（randnum

       cpoint1=round（rand*hromlength）;         

       cpoint2=round（rand*hromlength）;           

       while（cpoint2==cpoint1）                 

           cpoint2=round（rand*hromlength）;

       end

       ifcpoint1>cpoint2                     

           tem=cpoint1;

           cpoint1=cpoint2;

           cpoint2=tem;

       end

       cpoint1;

       cpoint2;

       forterm=cpoint1+1:

cpoint2                   

           forss=1:

hromlength

               ifpopcross（int,ss）==popfath（term）

                   tem1=popcross（int,ss）;

                   popcross（int,ss）=popcross（int,term）;

                   popcross（int,term）=tem1;

               end

           end

           cleartem1;

       end

       forterm=cpoint1+1:

cpoint2                   

           forss=1:

hromlength

               ifpopcross（int+1,ss）==popmoth（term）

                   tem1=popcross（int+1,ss）;

                   popcross（int+1,ss）=popcross（int+1,term）;

                   popcross（int+1,term）=tem1;

               end

           end

           cleartem1;

       end

   end

   clearterm;

end

clearrandnum;

popcross;

%变异操作

newpop=popcross;

forint=1:

popsize

   randnum=rand;

   ifrandnum

       cpoint12=round（rand*hromlength）;         

       cpoint22=round（rand*hromlength）;        

       if（cpoint12==0）

           cpoint12=1;

       end

       if（cpoint22==0）

           cpoint22=1;

       end

       while（cpoint22==cpoint12）                

           cpoint22=round（rand*hromlength）;

           ifcpoint22==0;

               cpoint22=1;

           end

       end

       temp=newpop（int,cpoint12）;

       newpop（int,cpoint12）=newpop（int,cpoint22）;

       newpop（int,cpoint22）=temp;

   end

end

newpop;

clearcpoint12;

clearcpoint22;

clearrandnum;

clearint;

forium=1:

popsize

   vector1=newpop（ium,:

）;

   obj1（ium）=hanshu（hromlength,vector1,phen）;

end

clearium;

obj1max=max（obj1）;

forar=1:

popsize

   ifobj1（ar）==obj1max

       newpop（ar,:

）=opti;

   end

end

%遗传操作结束

二．粒子群算法源程序：

%------初始格式化--------------------------------------------------

clearall;

clc;

formatlong;

%------给定初始化条件----------------------------------------------

c1=1.4962;%学习因子1

c2=1.4962;%学习因子2

w=0.7298;%惯性权重

MaxDT=100;%最大迭代次数

D=2;%搜索空间维数（未知数个数）

N=40;%初始化群体个体数目

eps=10^（-6）;%设置精度（在已知最小值时候用）

%------初始化种群的个体（可以在这里限定位置和速度的范围）------------

fori=1:

N

forj=1:

D

x（i,j）=randn;%随机初始化位置

v（i,j）=randn;%随机初始化速度

end

end

%------先计算各个粒子的适应度，并初始化Pi和Pg----------------------

fori=1:

N

p（i）=fitness（x（i,:

）,D）;

y（i,:

）=x（i,:

）;

end

pg=x（1,:

）;%Pg为全局最优

fori=2:

N

iffitness（x（i,:

）,D）

pg=x（i,:

）;

end

end

%------进入主要循环，按照公式依次迭代，直到满足精度要求------------

fort=1:

MaxDT

t

fori=1:

N

v（i,:

）=w*v（i,:

）+c1*rand*（y（i,:

）-x（i,:

））+c2*rand*（pg-x（i,:

））;

x（i,:

）=x（i,:

）+v（i,:

）;

iffitness（x（i,:

）,D）

p（i）=fitness（x（i,:

）,D）;

y（i,:

）=x（i,:

）;

end

ifp（i）

pg=y（i,:

）;

end

end

Pbest（t）=fitness（pg,D）;

end

%------进入主要循环，按照公式依次迭代，直到满足精度要求------------

fort=1:

MaxDT

fori=1:

N

v（i,:

）=w*v（i,:

）+c1*rand*（y（i,:

）-x（i,:

））+c2*rand*（pg-x（i,:

））;

x（i,:

）=x（i,:

）+v（i,:

）;

iffitness（x（i,:

）,D）

p（i）=fitness（x（i,:

）,D）;

y（i,:

）=x（i,:

）;

end

ifp（i）

pg=y（i,:

）;

end

end

Pbest（t）=fitness（pg,D）;

end

%------最后给出计算结果

disp（'*************************************************************'）

disp（'函数的全局最优位置为：

'）

Solution=pg'

disp（'最后得到的优化极值为：

'）

Result=fitness（pg,D）

disp（'*************************************************************'）

[X,Y]=meshgrid（-500:

2:

500）;

Z=X.*sin（sqrt（X））+Y.*（sin（sqrt（Y）））;

holdon

contour（X,Y,Z）

plot（x（:

1）,x（:

2）,'*'）;

holdoff