遗传算法程序代码--多目标优化--函数最值问题

函数的最大值问题： F=X2 Y2-Z2清除程序PS%初始化pc=0.9； %交叉概率pm=0.05； 变异概率popsize=500；chromatlength1=21；chromatlength2=23；chromatlength3=20；chromatlength=chromatlength1chromatlength2chromatlength 3；产生了pop=initpop(popsize，chromlength) %初始种群for i=1:500objvalue=calobjvalue(pop) %计算目标函数值 fit value =calfitvalue (obj value ) %计算个体适应度 new pop =选择(pop，fitvalue) %选择newpop1=crossover(newpop，pc) %交叉newpop2=mutation(newpop1，pm) %变异 new obj value =newcalobjvalue (new pop2) %计算最新世代的目标函数值 newfitvalue =newcalfitvalue (new obj value ) %计算新种群的适应度值bestindividual，bestfit=best(newpop2，newfitvalue) %集团中求适应值最大的个体及其适应值y(i)=max(bestfit) %保存最佳个体适应值pop5=bestindividual； 保存%最佳个体n(i)=i； %记录最佳世代位置%解码x1(I )=0编码色彩(pop 5，1，21 ) *2/(pow2(21 )-1 )x2(I )=编码色彩(pop 5、22、23)*6/(pow2(23)-1)-1；x3(I )=编码色彩(pop 5，45，20 ) *1/(pow2(20 )-1 )pop=newpop2；结束%绘图figure(1)%最有利的变化趋势图i=1:500；打印(y (I )、-b* )xlabel (反复次数)ylabel (最佳个体适应值)title (最有好处的变化趋势)legend (最大优点)网格打开计算z index=max(y) %最大值及其位置po=n (索引) %最佳个体的位置x=x1 (索引)y=x2 (索引)z=x3 (索引)F=zfunction bestindividual，bestfit=best(newpop2，newfitvalue )求%集团中最大的适应值及其个体%遗传算法子例程%Name: best.mpx，py=size(newpop2)bestindividual=newpop2(1, )bestfit=newfitvalue(1)for i=2:pxif newfitvalue(i)bestfitbestindividual=newpop2(i， )bestfit=newfitvalue(i )结束结束function fit value =calfitvalue (obj value )计算%个体的适应值%遗传算法子例程%Name:calfitvalue.mfitvalue=objvalue；函数 obj value =calobjvalue (pop )计算%目标函数值%遗传算法子例程%Name: calobjvalue.mtemp1=解码chrom (pop，1，21 )将pop的每一行转换为十进制数，相当于xtemp2=编码表(pop、22、23 )te MP3=解码曲线(pop、45、20 )x1=temp1*2/(pow2(21)-1) %将二进制域的数量转换为变量域的数量时，相当于十进制的xx2=时间2 *6/(视点2 (23 )-1 )-1；x3=temp3*1/(pow2(20)-1 )objvalue=x1.2 x2.2-x3.2； 计算%目标函数值函数 new pop1=crossover (new pop，pc )%交叉%遗传算法子例程%Name: crossover.mpx，py=size(newpop )newpop1=zeros(size(newpop ) )；for i=1: