遗传算法的简单改进的MATLAB代码.docx

发布时间：2022-06-19 发布人：admin 分类：说明书资料大小：0.02M 资料格式：docx 举报版权申诉

eed8fb69-6d3e-4fd4-9225-2409cc1fb9f6.docx.pdf-第1页.png

第1页 / 共6页

eed8fb69-6d3e-4fd4-9225-2409cc1fb9f6.docx.pdf-第2页.png

第2页 / 共6页

eed8fb69-6d3e-4fd4-9225-2409cc1fb9f6.docx.pdf-第3页.png

第3页 / 共6页

eed8fb69-6d3e-4fd4-9225-2409cc1fb9f6.docx.pdf-第4页.png

第4页 / 共6页

eed8fb69-6d3e-4fd4-9225-2409cc1fb9f6.docx.pdf-第5页.png

第5页 / 共6页

eed8fb69-6d3e-4fd4-9225-2409cc1fb9f6.docx.pdf-第6页.png

第6页 / 共6页

文本预览

%个体数目 %最大遗传代数 %改进前的代码： clc clear all close all %% 画出函数图 figure(1); lbx=-2;ubx=2; %函数自变量x范围【-2,2】 lby=-2;uby=2; %函数自变量y范围【-2,2】 ezmesh('y*sin(2*pi*x)+x*cos(2*pi*y)',[lbx,ubx,lby,uby],50); %画出函数曲线 hold on; %% 定义遗传算法参数 NIND=40; MAXGEN=100; PRECI=20; GGAP=0.95; % px=0.7; %pm=0.01; trace=zeros(3,MAXGEN); 值 FieldD=[PRECI PRECI;lbx lby;ubx uby;1 1;0 0;1 1;1 1]; Chrom=crtbp(NIND,PRECI*2); %% 优化 gen=0; XY=bs2rv(Chrom,FieldD); 转换 X=XY(:,1);Y=XY(:,2); ObjV=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %变量的二进制位数 %代沟交叉概率变异概率 %区域描述器 %寻优结果的初始 %初始种群 %代计数器 %计算初始种群的十进制 %计算目标函数值交叉概率 % 分配适 % FitnV=ranking(-ObjV); while gen

for i = 1: length(FitnV)-1 if(FitnV(i)>1) px = 0.1; elseif (FitnV(i)>0.7 & FitnV<1) px = 0.6; elseif (FitnV(i)<0.7) px = 0.85; end end for i = 1: length(FitnV)-1 if(FitnV(i)>1) pm = 0.0001; elseif (FitnV(i)>0.7 & FitnV<1) pm = 0.01; elseif (FitnV(i)<0.7) pm = 0.08; end end SelCh=select('sus',Chrom,FitnV,GGAP); SelCh=recombin('xovsp',SelCh,px); SelCh=mut(SelCh,pm); XY=bs2rv(SelCh,FieldD); %选择 %重组 %变异 %子代个体的十进制转换 X=XY(:,1);Y=XY(:,2); ObjVSel=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %计算子代的目标函数值 [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代，得到新种群 XY=bs2rv(Chrom,FieldD); gen=gen+1; 计数器增加 %代 %获取每代的最优解及其序号，Y为最优解,I为个体的序号 [Y,I]=max(ObjV); trace(1:2,gen)=XY(I,:); %记下每代的最优值

trace(3,gen)=Y; %记下每代的最优值 end plot3(trace(1,:),trace(2,:),trace(3,:),'*'); %画出每代的最优点 grid on; plot3(XY(:,1),XY(:,2),ObjV,'bp'); %画出最后一代的种群 hold off %% 画进化图 figure(2); plot(1:MAXGEN,trace(3,:)); grid on xlabel('遗传代数') ylabel('解的变化') title('进化过程') bestZ=trace(3,end); bestX=trace(1,end); bestY=trace(2,end); fprintf(['最优解:\nX=',num2str(bestX),'\nY=',num2str(bestY),'\nZ=',num2str( bestZ),'\n']) %改进后的代码： clc clear all close all %% 画出函数图 figure(1); lbx=-2;ubx=2; %函数自变量x范围【-2,2】 lby=-2;uby=2; %函数自变量y范围【-2,2】 ezmesh('y*sin(2*pi*x)+x*cos(2*pi*y)',[lbx,ubx,lby,uby],50); %画出函数曲线 hold on; %% 定义遗传算法参数

%寻优结果的初始 %初始种群 %代计数器 %计算初始种群的十进制 %个体数目交叉概率变异概率 %最大遗传代数 %变量的二进制位数 %代沟 NIND=40; MAXGEN=100; PRECI=20; GGAP=0.95; % px=0.7; %pm=0.01; trace=zeros(3,MAXGEN); 值 FieldD=[PRECI PRECI;lbx lby;ubx uby;1 1;0 0;1 1;1 1]; Chrom=crtbp(NIND,PRECI*2); %% 优化 gen=0; XY=bs2rv(Chrom,FieldD); 转换 X=XY(:,1);Y=XY(:,2); ObjV=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %区域描述器 %计算目标函数值 % 分配适 % FitnV=ranking(-ObjV); 交叉概率 while gen1) px = 0.1; elseif (FitnV(i)>0.7 & FitnV<1) px = 0.6; elseif (FitnV(i)<0.7) px = 0.85; end end for i = 1: length(FitnV)-1 if(FitnV(i)>1) pm = 0.0001;

elseif (FitnV(i)>0.7 & FitnV<1) pm = 0.01; elseif (FitnV(i)<0.7) pm = 0.08; end end SelCh=select('sus',Chrom,FitnV,GGAP); SelCh=recombin('xovsp',SelCh,px); SelCh=mut(SelCh,pm); XY=bs2rv(SelCh,FieldD); %选择 %重组 %变异 %子代个体的十进制转换 X=XY(:,1);Y=XY(:,2); ObjVSel=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %计算子代的目标函数值 [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代，得到新种群 XY=bs2rv(Chrom,FieldD); gen=gen+1; 计数器增加 %代 %获取每代的最优解及其序号，Y为最优解,I为个体的序号 [Y,I]=max(ObjV); trace(1:2,gen)=XY(I,:); %记下每代的最优值 trace(3,gen)=Y; 最优值 end %记下每代的 plot3(trace(1,:),trace(2,:),trace(3,:),'*'); %画出每代的最优点 grid on; plot3(XY(:,1),XY(:,2),ObjV,'bp'); %画出最后一代的种群 hold off %% 画进化图 figure(2); plot(1:MAXGEN,trace(3,:));

grid on xlabel('遗传代数') ylabel('解的变化') title('进化过程') bestZ=trace(3,end); bestX=trace(1,end); bestY=trace(2,end); fprintf(['最优解:\nX=',num2str(bestX),'\nY=',num2str(bestY),'\nZ=',num2str( bestZ),'\n'])

分享到：

赞收藏

资料库

遗传算法的简单改进的MATLAB代码.docx

相关推荐

人工智能

热门标签

最新资料