遗传算法matlab实现源程序Word文件下载.docx

1、 opti=population（sequ,: endclear sequ;fmax=22000;%=for gen=1:maxgen%选择操作%将求最小值的函数转化为适应度函数for indivi=1: obj1（indivi）=1/obj（indivi）;clear indivi;%适应度函数累加总合total=0; total=total+obj1（indivi）;%每条染色体被选中的几率 fitness1（indivi）=obj1（indivi）/total;%各条染色体被选中的范围 fitness（indivi）=0; for j=1:indivi fitness（indivi）=f

2、itness（indivi）+fitness1（j）;clear j;fitness;%选择适应度高的个体for ranseti=1: ran=rand; while （ran1|ran0） ran; if ranfitness（fet-1）&（ran=fitness（fet）=population（fet,:clear ran;newpopulation;%交叉for int=1:2:popsize-1 popmoth=newpopulation（int,: popfath=newpopulation（int+1,: popcross（int,:）=popmoth; popcross（int

3、+1,:）=popfath; randnum=rand; if（randnum cpoint1=round（rand*hromlength）; cpoint2=round（rand*hromlength）; while （cpoint2=cpoint1） if cpoint1cpoint2 tem=cpoint1; cpoint1=cpoint2; cpoint2=tem; cpoint1; cpoint2; for term=cpoint1+1: for ss=1:hromlength if popcross（int,ss）=popfath（term） tem1=popcross（int,s

4、s）; popcross（int,ss）=popcross（int,term）; popcross（int,term）=tem1; clear tem1; if popcross（int+1,ss）=popmoth（term） tem1=popcross（int+1,ss）; popcross（int+1,ss）=popcross（int+1,term）; popcross（int+1,term）=tem1; clear tem1; clear term;clear randnum;popcross;%变异操作newpop=popcross; if randnum cpoint12=round

5、（rand*hromlength）; cpoint22=round（rand*hromlength）; if （cpoint12=0） cpoint12=1; if （cpoint22=0） cpoint22=1; while （cpoint22=cpoint12） if cpoint22=0; temp=newpop（int,cpoint12）; newpop（int,cpoint12）=newpop（int,cpoint22）; newpop（int,cpoint22）=temp;newpop;clear cpoint12;clear cpoint22;clear int;for ium=

6、1: vector1=newpop（ium,: obj1（ium）=hanshu（hromlength,vector1,phen）;clear ium;obj1max=max（obj1）;for ar=1: if obj1（ar）=obj1max newpop（ar,:）=opti;%遗传操作结束二粒子群算法源程序：%-初始格式化-clear all;format long;%-给定初始化条件-c1=1.4962;%学习因子1c2=1.4962;%学习因子2w=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=1

7、0（-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）-for i=1:ND x（i,j）=randn;%随机初始化位置 v（i,j）=randn;%随机初始化速度%-先计算各个粒子的适应度，并初始化Pi和Pg- p（i）=fitness（x（i,:）,D）; y（i,:）=x（i,:pg=x（1,:%Pg为全局最优for i=2: if fitness（x（i,:）,D）FITNESS（pg,D） pg=x（i,:%-进入主要循环，按照公式依次迭代，直到满足精度要求-for t=1:MaxDT t for i=1: v（i,:）=w*v（i,:）+c1*rand*（y（i,:）-x（i,:）+c2*rand*（pg-x（i,:）; x（i,:）+v（i,:p（i） if p（i） pg=y（i,: Pbest（t）=fitness（pg,D）;%-最后给出计算结果disp（*）函数的全局最优位置为：Solution=pg最后得到的优化极值为：Result=fitness（pg,D）X,Y=meshgrid（-500:500）;Z=X.*sin（sqrt（X）+Y.*（sin（sqrt（Y）;hold oncontour（X,Y,Z）plot（x（:,1）,x（:,2）,*hold off