遗传算法解决非线性规划问题Matlab程序

非线性整数规划的遗算法Matlab程序（附图）通常，非线性整数规划是一个具指数复杂度的问，如果约束较为复杂Matlab优化工具箱和一些优化软件比如等常无法应用，即使能应用也不能给出一个较为令人满意的解时要针对题设计专门的优化算法举一个遗传算法应用于非线性整数规划的编程实例，供大家考！模型的形式和适应度函数定义如：这是一个具有20001决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的加权处理矚functionFitness=FITNESS(x,FARM,e,q,w)%%适函数%输参数列表%x

决策变量构成的的0-1矩%FARM细构存储的前种群，它包含了个体%e4×50的系数矩%q4×50的系数矩%w1×50的系数矩%%gamma=0.98;N=length(FARM);%F1=zeros(1,N);F2=zeros(1,N);forxx=FARM{i};

种群规模

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(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，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01数规划的遗传算%%输数列表%M遗进化迭代次数%N种规模%Pm异概率%%输数列表%Xp优个体%LC1子标1敛曲%LC2子标2敛曲%LC3平适应度函数的敛曲线%LC4最适应度函数的敛曲线%%参用格[Xp,LC1,LC2,LC3,LC4]=MYGA(50,40,0.3)%%第：载入数据和变量初化load载三个系数矩阵e,q,w%输量初始化Xp=zeros(4,50);LC1=zeros(1,M);LC2=zeros(1,M);LC3=zeros(1,M);LC4=zeros(1,M);

Best=inf;

%%第：随机产生初始种群farm=cell(1,N);%用存储群的细胞结构k=0;whilek下是一个合法体的产生过程x=zeros(4,50);%x每一列的1数随机决定fori=1:50R=rand;Col=zeros(4,1);ifRP=randperm(4);%1Col(RP(1))=1;

的位置也是随机的

elseifRP=randperm(4);Col(RP(1:2))=1;elseRP=randperm(4);Col(RP(1:3))=1;endx(:,i)=Col;end%下是检查行和是否满足约束过程，对于不满足约束的予以抛弃Temp1=sum(x,2);Temp2=find(Temp1>20);iflength(Temp2)==0k=k+1;farm{k}=x;endend%%以进化迭代过程counter=0;%置迭代计数器whilecounter%%第：交叉%交采用双亲双子单点交叉newfarm=cell(1,2*N);%用储子代的细胞结构Ser=randperm(N);%两随配对的配对表A=farm{Ser(1)};%取出父代AB=farm{Ser(2)};%取出父代BP0=unidrnd(49);%随机选择叉点a=[A(:,1:P0),B(:,(P0+1):end)];%产生子代ab=[B(:,1:P0),A(:,(P0+1):end)];%产生子代bnewfarm{2*N-1}=a;%加入子种群newfarm{2*N}=b;%以循环是重复上述过程fori=1:(N-1)A=farm{Ser(i)};B=farm{Ser(i+1)};P0=unidrnd(49);a=[A(:,1:P0),B(:,(P0+1):end)];b=[B(:,1:P0),A(:,(P0+1):end)];newfarm{2*i-1}=a;newfarm{2*i}=b;endFARM=[farm,newfarm];%

新旧种群合并

%%第：选择复制FLAG=ones(1,3*N);%标志向，对是否满足约束进行标记%以过程是检测新个体是否满约束fori=1:(3*N)x=FARM{i};sum1=sum(x,1);sum2=sum(x,2);flag1=find(sum1==0);flag2=find(sum1==4);flag3=find(sum2>20);iflength(flag1)+length(flag2)+length(flag3)>0FLAG(i)=0;%

如果不满足约束，用0加以标记endendNN=length(find(FLAG)==1);%

满足约束的个体数目，它一定大等于NEWFARM=cell(1,NN);%以过程是剔除不满主约束的体kk=0;fori=1:(3*N)ifFLAG(i)==1kk=kk+1;NEWFARM{kk}=FARM{i};endend%以过程是计算并存储当前种每个个体的适应值SYZ=zeros(1,NN);syz=zeros(1,N);fori=1:NNx=NEWFARM{i};SYZ(i)=FITNESS2(x,NEWFARM,e,q,w);%

调用适应值子函数endk=0;%下是选择复制，选择较优的N体复制到下一代whilekminSYZ=min(SYZ);posSYZ=find(SYZ==minSYZ);POS=posSYZ(1);k=k+1;farm{k}=NEWFARM{POS};syz(k)=SYZ(POS);SYZ(POS)=inf;end%记和更新，更新最优个体，录收敛曲线的数据minsyz=min(syz);

meansyz=mean(syz);pos=find(syz==minsyz);LC3(counter+1)=meansyz;ifminsyzBest=minsyz;Xp=farm{pos(1)};endLC4(counter+1)=Best;ppp=(1-Xp)+(1-q).*Xp;LC1(counter+1)=sum(w.*prod(ppp));LC2(counter+1)=sum(sum(e.*Xp));%%第：变异forifPm>rand%是异由变概率Pm控AA=farm{i};%出一个个POS=unidrnd(50);%随机择变异位R=rand;Col=zeros(4,1);ifRP=randperm(4);Col(RP(1))=1;elseifRP=randperm(4);Col(RP(1:2))=1;elseRP=randperm(4);Col(RP(1:3))=1;end%下面是判断变异产生的新个是否满足约束，如果不满足，此次变异无效AA(:,POS)=Col;Temp1=sum(AA,2);Temp2=find(Temp1>20);iflength(Temp2)==0farm{i}=AA;endendendcounter=counter+1end

%第：绘收敛曲线图figure(1);plot(LC1);xlabel('代次'

ylabel('目标1值);title('子标1的曲线');figure(2);plot(LC2);xlabel('代次'ylabel('目标2值);title('