遗传算法的MATLAB程序实例

遗传算法的一个程序实例例如，找到以下函数的最大值f(x)=10 * sin(5x)7 * cos(4x)x0，10首先，初始化(编码)initpop.m函数用于初始化种群，popsize表示种群大小，chromlength表示染色体长度(二进制数的长度)。长度取决于变量二进制代码的长度(本例中为10位)。代码：%Name: initpop.m%初始化函数pop=initpop(popsize，chromlength)pop=圆形(rand(popsize，chromlength)；% rand随机生成每个单元格具有0，1行popsize和列chromlength的矩阵。% roud对矩阵的每个单元格进行舍入。由此产生的最初人口。第二，计算目标函数值1.将二进制数转换成十进制数(1)代码：% name : de debinary . m%生成2 n2 (n-1)的行向量.1，然后求和以将二进制转换为十进制。函数pop2=decodebinary(pop)px，py=尺寸(pop)。%查找弹出行和案例对于i=1:pypop1(:i)=2。(py-1).*pop(:I)；py=py-1；目标pop2=总和(pop1，2)；%查找pop1每行的总和2、将二进制码转换成十进制数(2)decodechrom.m函数的功能是将染色体(或二进制代码)转换成十进制数，参数spoint表示要解码的二进制字符串的起始位置。(对于多个变量，如果有两个变量，则使用20，每个变量使用10，第一个变量从1开始，另一个变量从11开始。在这个例子中，1)和参数1 length代表截取的长度(在这个例子中，10)。代码：% name : decoder chrome . m%将二进制代码转换为十进制代码函数pop2=去色(pop、spoint、length)pop1=pop(:spoint :s点长度-1)；pop 2=decodibinary(pop 1)；3.计算目标函数值calobjvalue.m函数的作用是实现目标函数的计算。通过实例对其公式进行了模拟，并可根据不同的优化问题进行修改。代码：%Name: calobjvalue.m%实现目标函数的计算函数objvalue=calobjvalue(pop)temp1=去色(pop，1，10)；%每行将pop转换为十进制数x=temp 1 * 10/1023；%将双值域中的数字转换为可变域中的数字obj value=10 * sin(5 * x)7 * cos(4 * x)；%计算目标函数值(3)计算个体的适应值代码：%Name:calfitvalue.m%计算个人的体能值函数fitvalue=calfitvalue(objvalue)全球CminCmin=0。px，py=尺寸(objvalue)。对于i=1:pxif objvalue(i) Cmin0temp=Cmin obj value(I)；其他温度=0.0；目标fit value(I)=temp；目标fitvalue=fitvalue。4.选择复制选择或复制操作是为了确定哪些个体可以进入下一代。程序采用轮盘赌选择方法，相对容易实现。根据等式pi=fi/fi=fi/fsum，选择步骤：1)在t代中，fsum和pi由公式(1)计算2)生成随机数rand(。)并找到s=rand(。)*fsum3)在fis中找到最小k，然后选择第k个个体4)执行n次操作2)和3)以获得n个个体并成为t=t 1代群体代码：%Name:选择. m%选择副本函数new pop=选择(pop，fitvalue)totalfit=总和(fit value)；%来查找适合度值的总和fitvalue=fitvalue/totalfit。个体选择的概率%fit value=cum sum(fit value)；%累积概率，如fitvalue=1 2 3 4，cumsum(fitvalue)=1 3 6 10px，py=尺寸(pop)。ms=排序(rand(px，1)；%从小到大排列，由rand(px，1)产生的随机数列表被改变成轮盘的表示方法，由小到大排列fitin=1；%fivalue是一个向量，fitin表示向量中的元素位，即fitvalue(fitin)表示选择单个fitin个体的概率。newin=1；%相似而newin=pxif(ms(newin)bestfitbest personal=pop(I，)；best fit=fit value(I)；目标目标八.主要程序代码：%Name:genmain05.m清楚的clfpopsize=20%人口规模chromlength=10%字符串长度(单个长度)pc=0.6交叉概率%pm=0.001突变概率%pop=initpop(popsize，chrom length)；%随机生成的初始群体对于i=1:20是迭代次数obj值=calobj值(pop)；%计算目标函数拟合值=calfit值(obj值)；%计算群体中每个个体的适应度新流行音乐=选择(pop，拟合值)；%复制newpop=交叉(流行音乐，个人电脑)；%交叉新流行音乐=突变(流行音乐，个人电脑)；%变异最佳个人，最适合=最佳(pop，拟合值)；%求出群体中适应值最大的个体及其适应值y(I)=最大值(最佳拟合