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（9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
升级会员 