遗传算法程序

1、function ret=Mutation(pmutation,lenchrom,chrom,sizepop,pop,bound)% 本函数完成变异操作% pcorss input : 变异概率% lenchrom input : 染色体长度% chrom input : 染色体群% sizepop input : 种群规模% pop input : 当前种群的进化代数和最大的进化代数信息% ret output : 变异后的染色体for i=1:sizepop % 随机选择一个染色体进行变异 pick=rand; while pick=0 pick=rand; end index=ceil(

2、pick*sizepop); % 变异概率决定该轮循环是否进行变异 pick=rand; if pickpmutation continue; end flag=0; while flag=0 % 变异位置 pick=rand; while pick=0 pick=rand; end pos=ceil(pick*sum(lenchrom); %随机选择了染色体变异的位置，即选择了第pos个变量进行变异 v=chrom(i,pos); v1=v-bound(pos,1); v2=bound(pos,2)-v; pick=rand; %变异开始 if pick0.5 delta=v2*(1-pic

3、k(1-pop(1)/pop(2)2); chrom(i,pos)=v+delta; else delta=v1*(1-pick(1-pop(1)/pop(2)2); chrom(i,pos)=v-delta; end %变异结束 flag=test(lenchrom,bound,chrom(i,:); %检验染色体的可行性 endendret=chrom;Ga优化pso% GA 优化 PSO% 清空环境clc;clearclose all% 参数初始化lenchrom=7; %字符串长度（个体长度），染色体编码长度pc=0.7; %设置交叉概率，本例中交叉概率是定值，若想设置变化的交叉概率可

4、用表达式表示，或从写一个交叉概率函数，例如用神经网络训练得到的值作为交叉概率pm=0.3; %设置变异概率，同理也可设置为变化的%粒子群算法中的两个参数c1 = 1.49445;c2 = 1.49445;maxgen=20; % 进化次数 popsize=30; %种群规模%粒子更新速度Vmax=1;Vmin=-1;%种群popmax=50;popmin=-50;% 变量取值范围bound=popmin popmax;popmin popmax;popmin popmax;popmin popmax;popmin popmax;popmin popmax;popmin popmax; %变量范

5、围% 优化粒子数目par_num=7;% 产生初始粒子和速度for i=1:popsize %随机产生一个种群 pop(i,:)=popmax*rands(1,par_num); %初始种群 V(i,:)=rands(1,par_num); %初始化速度 %计算适应度 fitness(i)=fun(pop(i,:); %染色体的适应度end%找最好的染色体bestfitness bestindex=min(fitness);zbest=pop(bestindex,:); %全局最佳gbest=pop; %个体最佳fitnessgbest=fitness; %个体最佳适应度值fitnesszbe

6、st=bestfitness; %全局最佳适应度值% 迭代寻优for i=1:maxgen i for j=1:popsize %速度更新 PSO选择更新 V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:) + c2*rand*(zbest - pop(j,:); V(j,find(V(j,:)Vmax)=Vmax; V(j,find(V(j,:)popmax)=popmax; pop(j,find(pop(j,:) PSO pop % 适应度值 - 约束条件 if 0.072*pop(j,1)+0.063*pop(j,2)+0.057*pop(j

7、,3)+0.05*pop(j,4)+0.032*pop(j,5)+0.0442*pop(j,6)+0.0675*pop(j,7)=264.4 if 128*pop(j,1)+78.1*pop(j,2)+64.1*pop(j,3)+43*pop(j,4)+58.1*pop(j,5)+36.9*pop(j,6)+50.5*pop(j,7)=69719 fitness(j)=fun(pop(j,:); end end %个体最优更新 if fitness(j) fitnessgbest(j) gbest(j,:) = pop(j,:); fitnessgbest(j) = fitness(j); end %群体最优更新 if fitness(j) fitnesszbest zbest = pop(j,:); fitnesszbest = fitness(j); end end yy(i)=fitnesszbest; end% 结果dis