双层规划模型的遗传算法求解的Matlab源码文档格式.docx

1、% xbest下层模型的最优决策变量% BESTXK1 细胞结构，每一个元素是M1 向量，记录每一代的最优个体% BESTYK1 矩阵，记录每一代的最优个体的评价函数值% ALLXKN 矩阵，记录全部个体% ALLYKN 矩阵，记录全部个体的评价函数值% 第一步：种群初始化，确保满足约束的初始化n=length（C0）;%决策变量的个数%种群初始化，每一行是一个样本farm=zeros（NU,n）; for i=1:NUTa=randperm（n）; Tb=unidrnd（n-1）+1; farm（i,sort（Ta（p GT=farm（i,:）;GT=JZU（GT,V,Q）;farm（i,:

2、）=GT; end%输出变量初始化ALLX=cell（KU,1）;%细胞结构，每一个元素是Nn 矩阵，记录每一代的个体ALLY=zeros（KU,NU）;%KN 矩阵，记录每一代评价函数值BESTX=cell（KU,1）;%细胞结构，每一个元素是1n 向量，记录每一代的最优个体BESTY=zeros（KU,1）;k=1;%迭代计数器初始化% 第二步：迭代过程while k产生子代abb=BB（p产生子代b if sum（aa）endif sum（bb）end aa=JZU（aa,V,Q）;bb=JZU（bb,V,Q）;newfarm（2*NU-1,:）=aa;%加入子代种群newfarm（2*

3、NU,:）=bb;for i=1:（NU-1） AA=farm（Ser（i）,:BB=farm（Ser（i+1）,: P0=unidrnd（n-1）; aa=AA（pif sum（aa） end aa=JZU（aa,V,Q）;newfarm（2*i-1,: newfarm（2*i,:end FARM=farm;newfarm;% 选择复制SER=randperm（3*NU）; FITNESS=zeros（1,3*NU）;fitness=zeros（1,NU）;（3*NU）u=FARM（i,:xbest,BESTXx,BESTYy,ALLXx,ALLYy=GAD（u,KD,ND,PmD,V,Q,

4、R,m,t,p0,CF）;%调用下层遗传算法得到xx=xbest; FITNESS（i）=OBJU（x,u,Alpha,Beta,C0,Q0,h,a,b,d,Q,Cr,m,t）;NU f1=FITNESS（SER（3*i-2）; f2=FITNESS（SER（3*i-1）; f3=FITNESS（SER（3*i）;if f1=f2&f1=f3 farm（i,:）=FARM（SER（3*i-2）,:fitness（i）=FITNESS（SER（3*i-2）; elseif f2=f1&f2rand&pos（1）=i Ta=randperm（n）; BB=zeros（1,n）; BB（1,sort

5、（Ta（p BB=JZU（BB,V,Q）;）=BB;end disp（k）;k=k+1;% 绘图BESTY2=BESTY; BESTX2=BESTX;for k=1:KU TempY=BESTY（pminTempY=min（TempY）; posY=find（TempY=minTempY）; BESTY2（k）=minTempY; BESTX2k=BESTXposY（1）;end BESTY=BESTY2; BESTX=BESTX2;plot（BESTY,-ko,MarkerEdgeColorkMarkerFaceColorMarkerSize,2） ylabel（函数值）xlabel（迭代次数grid on