遗传算法实例注释.docx

第一步：定义目标函数即将二进制码的X转为十进制码并转化到实际定义域function pop=initpop(popsize,chromlength) pop=round(rand(popsize,chromlength);20行10列的元素为0或1的矩阵function pop2=decodebinary(pop) px,py=size(pop); px=20,py=10for i=1:py 从第一列到第10列pop1(:,i)=2.(py-i).*pop(:,i); 每一列乘2（py-1）新矩阵由二进制转为十进制end pop2=sum(pop1,2);计算每一行的和（2表示第二维即行）function pop2=decodechrom(pop,spoint,length)pop1=pop(:,spoint:spoint+length-1);将pop从一到十列分别赋值给pop1%spoint待解码的二进制串的起始位置，此处为1，length表示所截取的长度（10）pop2=decodebinary(pop1);pop2所有已转为十进制的每一行和即20个解function objvalue=calobjvalue(pop) temp1=decodechrom(pop,1,10); 将已定义且已转为十进制的pop赋值给temp1x=temp1*10/1023; 将二值域 中的数转化为变量域的数即（0，10）objvalue=10*sin(5*x)+7*cos(4*x); 正式给出定义好的目标函数，注意此时objvalue实质上为20个x代入而得的20 X 1的矩阵第二步：计算适应值function fitvalue=calfitvalue(objvalue) global Cmin; Cmin=0; px,py=size(objvalue); px=20,py=1for i=1:px i从1到20if objvalue(i)+Cmin0 此处为求极大值（具体参考PPT）temp=Cmin+objvalue(i); else temp=0.0; end fitvalue(i)=temp; 即大于零的保留，小于等于零的剔除end fitvalue=fitvalue;即将列矩阵转换为行矩阵第三步：选择复制function newpop=selection(pop,fitvalue) totalfit=sum(fitvalue); 求得所有列的适应值的和fitvalue=fitvalue/totalfit; 单个个体被选择的概率 fitvalue=cumsum(fitvalue); fitvalue=1 2 3 4，则 cumsum(fitvalue)=1 3 6 10 px,py=size(pop); px=20,py=10ms=sort(rand(px,1); 产生20行值为（0,1）之间的随机数并从小到大排列 fitin=1; 赋值1newin=1; 赋值1while newin=px 如果1小于1024 if(ms(newin)fitvalue(fitin) 如果ms(1) fitvalue(1)newpop(newin)=pop(fitin); newpop(1)=pop(1)newin=newin+1; newin=2else 否则fitin=fitin+1; fitin=2end 意义在于只有当适应值大于随即产生的ms时才能被保留到newpop中end第三步：交叉function newpop=crossover(pop,pc) px,py=size(pop); px=20,py=10newpop=ones(size(pop); 产生20行10列的全1矩阵for i=1:2:px-1 对i从1到20，步长为2if(randpc) 如果随机数小于交叉交叉概率pccpoint=round(rand*py); cpoint=随机数乘以10再取整 newpop(i,:)=pop(i,1:cpoint),pop(i+1,cpoint+1:py); pop第一行的1到3列与第二行的4到10列组合形成newpop的第一行newpop(i+1,:)=pop(i+1,1:cpoint),pop(i,cpoint+1:py); pop第二行的1到3列与第一行的4到10列组合形成newpop的第二行else 否则newpop(i,:)=pop(i); newpop的第一行依旧为原pop第一行newpop(i+1,:)=pop(i+1); newpop的第一行依旧为原pop第一行end end 第四步：变异 function newpop=mutation(pop,pm) px,py=size(pop); px=20,py=10newpop=ones(size(pop); newpop为20行10列的全1矩阵for i=1:px 对于i从1到20 if(randpm) 如果随机数小于变异概率pmmpoint=round(rand*py); mpoint=随机数与10相乘取整if mpoint=0 如果mpointbestfit 如果fitvalue(i)大于以前的bestindividual=pop(i,:); bestindividual=pop第i行bestfit=fitvalue(i); bestfit=fitvalue第i列end end 第六步：主程序popsize=20; %群体大小 chromlength=10; %字符串长度（个体长度） pc=0.6; %交叉概率 pm=0.001; %变异概率 pop=initpop(popsize,chromlength); %随机产生初始群体 for i=1:20 %20为迭代次数 objvalue=calobjvalue(pop); %计算目标函数 fitvalue=calfitvalue(objvalue); %计算群体中每个个体的适应度 newpop=selection(pop,fitvalue); %复制 newpop=crossover(pop,pc); %交叉 newpop=mutation(pop,pc); %变异 bestindividual,bestfit=best(pop,fitvalue); %求出群体中适应值最大的个体及其适应值 y(i)=max(bestfit); y(i)= bestfit最大值n(i)=i; 此时的迭代次数pop5=bestindividual; 将适应值最大的那个解赋值给pop5x(i)=decodechrom(pop5,1,chromlength)*10/1023; 将pop5翻译成十进制pop=newpop; 下一次从第二代开始复制