标准遗传算法的MATLAB实现.docVIP

%标准遗传算法 %优化函数为f=-(x-1)^2+4，其中，0=x=3 %编码长度为10位，编码精度为0.0029 %种群规模设为40，遗传算子分别为比例选择，单点交叉和单点变异。交叉概率0.7，变异概率0.1 %最大进化代数为200代，保优操作。 main.m initial; global G; for G=1:200 crossover; mutation; adapting; keepbest; selection; end result; %初始化函数，随机形成规模为40初始种群 initial.m pop(40,10)=0; best_individual(10)=0; %最优个体 adapt_ave(200)=0; %种群平均适应值 for i=1:40 for j=1:10 if rand0.5 pop(i,j)=1; else pop(i,j)=0; end end end % pop clear i; clear j; %交叉操作，概率为0.7，单点交叉 crossover.m for i=1:2:39 cross_P=rand; %随机产生一个数，以比较交叉概率 if cross_P0.9 %交叉概率为0.9 cross_pos=round(10*rand); %交叉位置为0~9，若位置为0或9，则不进行交叉操作 if or(cross_pos==0,cross_pos==9) continue; end for j=cross_pos:10 temp=pop(i,j); pop(i,j)=pop(i+1,j); pop(i+1,j)=temp; end end end clear i; clear j; clear temp; clear cross_P; clear cross_pos; %变异操作，单点变异，变异概率为0.1 mutation.m for i=1:40 if rand0.1 %通过变异概率 M_pos=round(10*rand); if M_pos~=0 %若变异位为0则无意义 pop(i,M_pos)=1-pop(i,M_pos); end end end clear M_pos; clear i; %计算适应值 adapting.m for i=1:40 adapt(i)=0; end for i=1:40 for j=1:10 if pop(i,j)==1 adapt(i)=adapt(i)+2^(10-j); end end adapt(i)=adapt(i)*0.0029; adapt(i)=-(adapt(i)-1).^2+4; end global adapt_best; global best_pos; adapt_best=0; %最佳个体 best_pos=0; %最佳个体在种群中的位置 % adapt_ave=0; for i=1:40 adapt_ave(G)=adapt_ave(G)+adapt(i); if adapt_bestadapt(i) adapt_best=adapt(i); best_pos=i; end end adapt_ave(G)=adapt_ave(G)/40; clear i; clear j; %保优操作 keepbest.m for i=1:10 best_individual(i)=pop(best_pos,i); end % The select oprator function selection.m ada_sum=0; ada_temp=0; r=0; i=0;j=0; for i=1:40 ada_sum=ada_sum+adapt(i); end for i=1:39 %选择39次，最后一个个体留给历代最优解 r=rand*ada_sum; %随机产生一个数 ada_temp=0; %初始化累加值为0