非线性整数规划的遗传算法Matlab程序

1、非线性整数规划的遗传算法Matlab程序（引自人工智能及数据挖掘论坛）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 1×50的系数矩阵 % gamma=0.98; N=length(FARM);%种群规模

2、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); end ppp=(1-x)+(1-q).*x; f1=sum(w.*prod(ppp); f2=sum(sum(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

3、 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 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

4、=zeros(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; Col=zeros(4,1); if R<0.7 RP=randperm(4);%1的位置也是随机的 Col(RP(1)=1; elseif R>0.9 RP=randperm(4); Col(RP(1:2

5、)=1; else RP=randperm(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); Temp2=find(Temp1>20); if length(Temp2)=0 k=k+1; farmk=x; end end % 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 %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

6、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(:,10),B(:,(P0+1):end);%产生子代a b=B(:,10),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=1N-1) A=farmSer(i); B=farmSer(i+1); P0=unidrnd(49); a=A(:,10),B(:,(P0+1):end); b=B(:,10),A(:,(P0+1):end); new

7、farm2*i-1=a; newfarm2*i=b; 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=13*N) x=FARMi; sum1=sum(x,1); sum2=sum(x,2); flag1=find(sum1=0); flag2=find(sum1=4); flag3=find(sum2>20); if length(flag1)+length(flag2)+length(flag3)>0 FLAG(i)=0;%如果不

8、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 NEWFARM=cell(1,NN); %以下过程是剔除不满主约束的个体 kk=0; for i=13*N) if FLAG(i)=1 kk=kk+1; 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; SYZ(i)=FITNESS2(x,NEWFARM,e,q,w);%调用适应值子函数 end k=0; %下

9、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(SYZ=minSYZ); POS=posSYZ(1); k=k+1; farmk=NEWFARMPOS; syz(k)=SYZ(POS); SYZ(POS)=inf; 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; Xp=farmpos(1); end LC4(

10、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 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 R=rand; Col=zeros(4,1); if R<0.7 RP=randperm(4); Col(RP(1)=1; elseif R>0.9 RP=randperm(4); Col(RP(1:2)

11、=1; else RP=randperm(4); 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; Temp1=sum(AA,2); Temp2=find(Temp1>20); if length(Temp2)=0 farmi=AA; end end end counter=counter+1 end %第七步：绘收敛曲线图 figure(1); plot(LC1); xlabel('迭代次数'); ylabel('子目标1的值'); title('子目标1的收敛曲线'); figure(2); plot(LC2); xlabel('迭代次数'); ylabel('子目标2的值'); title('子目标2的收敛曲线'); figure(3); plot(LC3); xlabel(&