遗传算法解决非线性规划问题的Matlab程序

1、非线性整数规划的遗传算法Matlab程序（附图）通常，非线性整数规划是一个具有指数复杂度的NP问题，如果约束较为复杂，Matlab优化工具箱和一些优化软件比如lingo等，常常无法应用，即使能应用也不能给出一个较为令人满意的解。这时就需要针对问题设计专门的优化算法。下面举一个遗传算法应用于非线性整数规划的编程实例，供大家参考！模型的形式和适应度函数定义如下：这是一个具有200个01决策变量的多目标非线性整数规划，编写优化的目标函数如下，其中将多目标转化为单目标采用简单的加权处理。function Fitness=FITNESS(x,FARM,e,q,w)% 适应度函数%  输入参数列

2、表%  x        决策变量构成的4×50的0-1矩阵%  FARM     细胞结构存储的当前种群，它包含了个体x%  e        4×50的系数矩阵%  q        4×50的系数矩阵%  w    

3、0;   1×50的系数矩阵%gamma=0.98;N=length(FARM);%种群规模F1=zeros(1,N);F2=zeros(1,N);for i=1:N    xx=FARMi;    ppp=(1-xx)+(1-q).*xx;    F1(i)=sum(w.*prod(ppp);    F2(i)=sum(sum(e.*xx);endppp=(1-x)+(1-q).*x;f1=sum(w.*prod(ppp);f2=sum(sum

4、(e.*x);Fitness=gamma*sum(min(sign(f1-F1);zeros(1,N)+(1-gamma)*sum(min(sign(f2-F2);zeros(1,N); 针对问题设计的遗传算法如下，其中对模型约束的处理是重点考虑的地方function Xp,LC1,LC2,LC3,LC4=MYGA(M,N,Pm)% 求解01整数规划的遗传算法% 输入参数列表%  M     遗传进化迭代次数%  N     种群规模%  Pm  

5、0; 变异概率% 输出参数列表%  Xp    最优个体%  LC1   子目标1的收敛曲线%  LC2   子目标2的收敛曲线%  LC3   平均适应度函数的收敛曲线%  LC4   最优适应度函数的收敛曲线% 参考调用格式Xp,LC1,LC2,LC3,LC4=MYGA(50,40,0.3)% 第一步：载入数据和变量初始化load eqw;%载入三个系数矩阵e,q,w%输出变量初始化Xp=zeros(4,50);LC1=zeros(

6、1,M);LC2=zeros(1,M);LC3=zeros(1,M);LC4=zeros(1,M);Best=inf;% 第二步：随机产生初始种群farm=cell(1,N);%用于存储种群的细胞结构k=0;while k    %以下是一个合法个体的产生过程    x=zeros(4,50);%x每一列的1的个数随机决定    for i=1:50        R=rand;     

7、;   Col=zeros(4,1);        if R<0.7            RP=randperm(4);%1的位置也是随机的            Col(RP(1)=1;        els

8、eif R>0.9            RP=randperm(4);            Col(RP(1:2)=1;        else            RP=randperm

9、(4);            Col(RP(1:3)=1;        end        x(:,i)=Col;    end    %下面是检查行和是否满足约束的过程，对于不满足约束的予以抛弃    Temp1=sum(x,2); 

10、0;  Temp2=find(Temp1>20);    if length(Temp2)=0        k=k+1;        farmk=x;    endend   % 以下是进化迭代过程counter=0;%设置迭代计数器while counter   % 第三步：交叉   

11、%交叉采用双亲双子单点交叉    newfarm=cell(1,2*N);%用于存储子代的细胞结构    Ser=randperm(N);%两两随机配对的配对表    A=farmSer(1);%取出父代A    B=farmSer(2);%取出父代B    P0=unidrnd(49);%随机选择交叉点    a=A(:,1:P0),B(:,(P0+1):end);%产生子代a   

12、b=B(:,1:P0),A(:,(P0+1):end);%产生子代b    newfarm2*N-1=a;%加入子代种群    newfarm2*N=b;    %以下循环是重复上述过程    for i=1:(N-1)        A=farmSer(i);        B=farmSer(i+1);  

13、0;     P0=unidrnd(49);        a=A(:,1:P0),B(:,(P0+1):end);        b=B(:,1:P0),A(:,(P0+1):end);        newfarm2*i-1=a;        newfarm2*i=b;&#

14、160;   end    FARM=farm,newfarm;%新旧种群合并   % 第四步：选择复制    FLAG=ones(1,3*N);%标志向量，对是否满足约束进行标记    %以下过程是检测新个体是否满足约束    for i=1:(3*N)        x=FARMi;      

15、  sum1=sum(x,1);        sum2=sum(x,2);        flag1=find(sum1=0);        flag2=find(sum1=4);        flag3=find(sum2>20);     &#

16、160;  if length(flag1)+length(flag2)+length(flag3)>0            FLAG(i)=0;%如果不满足约束，用0加以标记        end    end    NN=length(find(FLAG)=1);%满足约束的个体数目，它一定大于等于N   

17、 NEWFARM=cell(1,NN);    %以下过程是剔除不满主约束的个体    kk=0;    for i=1:(3*N)        if FLAG(i)=1            kk=kk+1;          

18、;  NEWFARMkk=FARMi;        end    end    %以下过程是计算并存储当前种群每个个体的适应值    SYZ=zeros(1,NN);    syz=zeros(1,N);    for i=1:NN        x=NEWFARMi;  &#

19、160;     SYZ(i)=FITNESS2(x,NEWFARM,e,q,w);%调用适应值子函数    end    k=0;    %下面是选择复制，选择较优的N个个体复制到下一代    while k        minSYZ=min(SYZ);        posSYZ=find(S

20、YZ=minSYZ);        POS=posSYZ(1);        k=k+1;        farmk=NEWFARMPOS;        syz(k)=SYZ(POS);        SYZ(POS)=inf; &#

21、160;  end    %记录和更新，更新最优个体，记录收敛曲线的数据    minsyz=min(syz);    meansyz=mean(syz);    pos=find(syz=minsyz);    LC3(counter+1)=meansyz;    if minsyz        Best=minsyz; &

22、#160;      Xp=farmpos(1);    end    LC4(counter+1)=Best;    ppp=(1-Xp)+(1-q).*Xp;    LC1(counter+1)=sum(w.*prod(ppp);    LC2(counter+1)=sum(sum(e.*Xp);   % 第五步：变异    for

23、i=1:N        if Pm>rand%是否变异由变异概率Pm控制            AA=farmi;%取出一个个体            POS=unidrnd(50);%随机选择变异位        

24、60;   R=rand;            Col=zeros(4,1);            if R<0.7                RP=randperm(4);  

25、;              Col(RP(1)=1;            elseif R>0.9                RP=randperm(4);   &#

26、160;            Col(RP(1:2)=1;            else                RP=randperm(4);      &#

27、160;         Col(RP(1:3)=1;            end            %下面是判断变异产生的新个体是否满足约束，如果不满足，此次变异无效            AA(:,POS)=Col;          &#