遗传算法解决非线性规划问题的Matlab程序

非线性整数规划的遗传算法Matlab程序(图)一般而言，非线性整数规划是指数复杂的NP问题，如果限制复杂，诸如Matlab优化工具箱和lingo之类的优化软件通常不能应用，即使应用也不能提供令人满意的解。 在这种情况下，需要设计专门针对问题的优化算法。 以下是将遗传算法应用于非线性整数规划的编程示例，供参考！模型的形式和适应度函数定义如下：这是一个具有200个01决策变量的多目标非线性整数规划，按如下描述进行优化的目标函数，在将多目标转换成单目标时采用简单的加权过程。function Fitness=FITNESS(x、FARM、e、q、w )%适应度函数%输入参数列表由% x决策变量构成的450的0-1矩阵存储% FARM细胞结构的当前种群包括个体x% e 450的系数矩阵% q 450的系数矩阵% w 150的系数矩阵%伽玛=0.98；N=length(FARM) %种群规模F1=zeros(1，n )F2=zeros(1，n )for i=1:Nxx=FARMi；ppp=(1-xx) (1-q).*xx；F1(i)=sum(w.*prod(ppp ) )；F2(i)=sum(sum(e.*xx )；结束ppp=(1-x) (1-q).*x；f1=sum(w.*prod(ppp ) )；f2=sum(sum(e.*x )；fitness=game ma * sum (min ( sign (f1-f1 )； zeros(1，n ) ) (1- gamma ) * sum (min ( sign (f2- f2) ) zeros (1，n )；针对问题设计的遗传算法如下，其中重点考虑了对模型约束的处理函数 XP，LC1，LC2，LC3，LC4=MYGA(M，n，Pm )调整计划解析系统%输入参数列表% M遗传进化迭代次数% N种群规模% Pm变异概率%输出参数列表% Xp的最佳个体% LC1子目标1的收敛曲线% LC2子目标2的收敛曲线% LC3平均适应度函数的收敛曲线% LC4最佳适应度函数的收敛曲线%参照调用格式Xp，LC1，LC2，LC3，lc4 =myga (50，40，0.3 )%第一步：加载数据和变量初始化load eqw； 加载%3个系数矩阵e，q，w%输出变量的初始化XP=zeros (4，50 )LC1=zeros(1，m )LC2=zeros(1，m )LC3=zeros(1，m )LC4=zeros(1，m )Best=inf；步骤2 :随机生成初始种群用于保存farm=cell(1，n) %种群的细胞结构k=0；while k %以下是合法个体的生成过程x=zeros (4，50 ) % x随机确定每列中1的个数for i=1:50R=rand；col=zeros (4，1 )if R0.7RP=randperm(4) %1的位置也是随机的Col(RP(1)=1；elseif R0.9RP=randperm(4)Col(RP(1:2)=1；elseRP=randperm(4)Col(RP(1:3)=1；结束x(:i)=Col；结束%以下是检查是否满足行和约束条件的过程，不满足约束条件的将被丢弃Temp1=sum(x，2 )Temp2=find(Temp120 )if length(Temp2)=0k=k 1；farmk=x；结束结束%以下是进化的反复过程counter=0； 设置%迭代计数器while counter%步骤3 :交集%交叉采用父母双胞胎的一点交叉new farm=cell (1，2 * n ) %子的细胞结构Ser=randperm(N) %2个随机对象的对象表A=farmSer(1)； 检索%父代aB=farmSer(2)； 取出%父bP0=unidrnd(49) %随机选择交点a= a (:1: p0)，B(:(p01 ) :结束) ； 生成%子ab= b (:1: p0)，A(:(p01 ) :结束) ； 生成%子bnewfarm2*N-1=a； 参加%子种群newfarm2*N=b；%以下的循环重复上述步骤for i=1:(N-1 )A=farmSer(i)；B=farmSer(i 1)；P0=unidrnd(49 )a= a (:1: p0)，B(:(p01 ) :结束) ；b= b (:1: p0)，A(:(p01 ) :结束) ；newfarm2*i-1=a；newfarm2*i=b；结束FARM=farm，newfarm； %新旧种群合并%步骤4 :选择复制flag=ones (1，3 * n ) %标志向量。 标记是否满足约束条件%以下的过程是检测新个体是否满足约束条件for i=1:(3*N )x=FARMi；sum1=sum(x，1 )sum2=sum(x，2 )flag1=find(sum1=0)flag2=find(sum1=4)flag3=find(sum220 )if length (flag1) length (flag2) length (flag3) 0FLAG(i)=0； 如果不满足%约束条件，则标记为0结束结束满足NN=length(find(FLAG)=1) %约束条件的个体数。 必须大于或等于nNEWFARM=cell(1，NN )%以下的过程是去除对主制约不满意的个体kk=0；for i=1:(3*N )if FLAG(i)=1kk=kk 1；NEWFARMkk=FARMi；结束结束%以下的过程是计算并记忆现在种群的每个个体的适应值SYZ=zeros(1，NN )syz=zeros(1，n )for i=1:NNx=NEWFARMi；SYZ(i)=FITNESS2(x，NEWFARM，e，q，w )； %调用自适应值子函数结束k=0；%以下是选择复制，选择更好的n个个体复制到下一代while k minSYZ=min(SYZ )posSYZ=find(SYZ=minSYZ )POS=posSYZ(1)k=k 1；farm=new farm pos ；syz(k)=SYZ(POS )SYZ(POS)=inf；结束%记录和更新、最佳个体更新、收敛曲线数据记录minsyz=min(syz )meansyz=mean(syz )pos=find(syz=minsyz )LC3(counter 1)=meansyz；if minsyz Best=minsyz；Xp=farmpos(1)；结束LC4(counter 1)=Best；ppp=(1-Xp) (1-q).*Xp；LC1(计数器1 )=sum (w.* prod (PPP ) )lc2 (计数器1 )=sum (sum (e.* XP ) )步骤5 :变异for i=1:Nif Pmrand%是否变异由变异概率Pm来控制AA=farmi； 取出%个体POS=unidrnd(50) %随机选择变异位R=rand；col=zeros (4，1 )if R0.7RP=randperm(4)Col(RP(1)=1；elseif R0.9RP=randperm(4)Col(RP(1:2)=1；elseRP=randperm(4)Col(RP(1:3)=1；结束%以下判断变异引起的新个体是否满足制约，如果不满足则此次变异无效AA(:POS)=Col；Temp1=sum(AA，2 )Temp2=find(Temp120 )if length(Temp2)=0farmi=AA；结束结束结束counter=counter 1结束%步骤7 :绘制收敛图figure(1)plot(LC1 )xlabel (重复次数)ylabel (子目标1的值)title (子对象1的收敛曲线)figure(2)plot(LC2 )xlabel (重复次数)ylabel (子目标