matlab遗传算法实例.docVIP

matlab遗传算法实例

%(对于多个变量而言，如有两个变量，采用20为表示，每个变量10为，则第一个变量从1开始，另一个变量从11开始。本例为1)，

%参数1ength表示所截取的长度（本例为10）。

%遗传算法子程序

%Name:decodechrom.m

%将二进制编码转换成十进制

functionpop2=decodechrom(pop,spoint,length)

pop1=pop(:,spoint:spoint+length-1);

pop2=decodebinary(pop1);

%2.2.3计算目标函数值

%calobjvalue.m函数的功能是实现目标函数的计算，其公式采用本文示例仿真，可根据不同优化问题予以修改。

%遗传算法子程序

%Name:calobjvalue.m

%实现目标函数的计算

function[objvalue]=calobjvalue(pop)

temp1=decodechrom(pop,1,10);%将pop每行转化成十进制数

x=temp1*10/1023;%将二值域中的数转化为变量域的数

objvalue=10*sin(5*x)+7*cos(4*x);%计算目标函数值

%2.3计算个体的适应值

%遗传算法子程序

%Name:calfitvalue.m

%计算个体的适应值

functionfitvalue=calfitvalue(objvalue)

globalCmin;

Cmin=0;

[px,py]=size(objvalue);

fori=1:px

ifobjvalue(i)+Cmin0

temp=Cmin+objvalue(i);

else

temp=0.0;

end

fitvalue(i)=temp;

end

fitvalue=fitvalue;

%2.4选择复制

%选择或复制操作是决定哪些个体可以进入下一代。程序中采用赌轮盘选择法选择，这种方法较易实现。

%根据方程pi=fi/∑fi=fi/fsum，选择步骤：

%1）在第t代，由（1）式计算fsum和pi

%2）产生{0,1}的随机数rand(.)，求s=rand(.)*fsum

%3）求∑fi≥s中最小的k，则第k个个体被选中

%4）进行N次2）、3）操作，得到N个个体，成为第t=t+1代种群

%遗传算法子程序

%Name:selection.m

%选择复制

function[newpop]=selection(pop,fitvalue)

totalfit=sum(fitvalue);%求适应值之和

fitvalue=fitvalue/totalfit;%单个个体被选择的概率

fitvalue=cumsum(fitvalue);%如fitvalue=[1234]，则cumsum(fitvalue)=[13610]

[px,py]=size(pop);

ms=sort(rand(px,1));%从小到大排列

fitin=1;

newin=1;

whilenewin=px

if(ms(newin))fitvalue(fitin)

newpop(newin)=pop(fitin);

newin=newin+1;

else

fitin=fitin+1;

end

end

%2.5交叉

%交叉(crossover)，群体中的每个个体之间都以一定的概率pc交叉，即两个个体从各自字符串的某一位置

%（一般是随机确定）开始互相交换，这类似生物进化过程中的基因分裂与重组。例如，假设2个父代个体x1，x2为：

%x1=0100110

%x2=1010001

%从每个个体的第3位开始交叉，交又后得到2个新的子代个体y1，y2分别为：

%y1＝0100001

%y2＝1010110

%这样2个子代个体就分别具有了2个父代个体的某些特征。利用交又我们有可能由父代个体在子代组合成具有更高适合度的个体。

%事实上交又是遗传算法区别于其它传统优化方法的主要特点之一。

%遗传算法子程序

%Name:crossover.m

%交叉

function[newpop]=crossover(pop,pc)

[px,py]=size(pop);

newpop=ones(size(pop));

fori=1:2:px-1

if(randpc)

cpoint=round(rand*py);

newpop(i,:)=[pop(i,1: