多方式进化遗传算法Matlab源代码.docVIP

多方式进化遗传算法Matlab源代码 对于单种群进化，多方式进化是提高全局搜索能力和收敛速度的一种有效策略该程序采用：编码：二进制编码、实数编码（默认）选择：非线性排名选择（主要表现在前期），锦标赛选择（主要表现在后期，含精英保留），由于单纯的转轮盘选择存在诸多弊端，这里没有采用交叉：二进制编码采用多点交叉和均匀交叉，并逐步增大均匀交叉概率? ?? ? 实数编码采用离散交叉（前期）、算术交叉（中期）、AEA重组（后期）变异：二进制编码采用随机变异? ?? ???实数编码采用两种自适应变异和两种随机变异，且尽量采用前者到位：适当的到位可以提高种群的多样性function [X,MaxFval,BestPop,Trace]=fga(FUN,bounds,MaxEranum,PopSize,options,pCross,pMutation,pInversion)% [X,MaxFval,BestPop,Trace]=fga(FUN,bounds,MaxEranum,PopSize,options,pCross,pMutation,pInversion)% Finds a??maximum of a function of several variables.% fga solves problems of the form:??%? ?? ?max F(X)??subject to:??LB = X = UB? ?? ?? ?? ?? ?? ?? ?? ?? ? %??BestPop? ?? ? - 最优的群体即为最优的染色体群%??Trace? ?? ?? ?- 每代最佳个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50--500(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;%检验初始参数if nargin2, error(FMAXGA requires at least three input arguments); endif nargin==2, MaxEranum=100;PopSize=100;options=[1 1e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;endif nargin==3, PopSize=100;options=[1 1e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;endif nargin==4, options=[1 1e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;endif nargin==5, pCross=0.85;pMutation=0.1;pInversion=0.25;endif nargin==6, pMutation=0.1;pInversion=0.25;endif nargin==7, pInversion=0.25;endif (options(1)==0|options(1)==1)find((bounds(:,1)-bounds(:,2))0)? ?error(数据输入错误,请重新输入:);end%s=sprintf(程序运行需要约%.4f 秒钟时间,请稍等......,(eranum*popsize/1000));%disp(s);% 定义全局变量global m n NewPop children1 children2 VarNum% 初始化种群和变量precision? ???= options(2);bits? ?? ?? ? = ceil(log2((bounds(:,2)-bounds(:,1)) ./ precision));%由设定精度划分区间VarNum? ?? ???= size(bounds,1);[Pop]? ??