main_program.m

用遗传算法解决通信中的TDOA问题 文件名 program 完成功能 求出在进行account_test次的试验中每一次的最优染色体

 function [Global_best, Max_Generation] = main_program( )
%   导入常量
%   初始化 pop_arr
%   计算 pop_arr 的函数值和 适应值
%   各代中的最优染色体所组成的数组
%   开始循环
%   {
%             迭代次数加 1
%             产生新的 pop_arr
%             计算 pop_arr 的函数值和 适应值
%            将本次迭代所产生的最优染色体传入数组
%   }
%   结束循环
        
[PopSize, Max_Generation, Pc, Pm, b, Cmax, Cmin, glo_best, Noise_db, Mu, M] = definition_constant;
generation = 0;

[Deta_R] = cal_Deta_R_and_R_all_Noise(Noise_db, M, Mu);

[pop_arr] = gen_ini_pop_arr(PopSize);

[pop_arr, glo_best] = cal_arr_obj_val_and_fit( pop_arr, PopSize, glo_best, Cmax, Cmin, Deta_R);

Global_best = zeros(4,Max_Generation);

while generation < Max_Generation
    
    generation = generation + 1;
        
    [pop_arr] = gen_next_pop_arr(pop_arr, PopSize, generation, Max_Generation, b, Pm, Pc);
    
    [pop_arr, glo_best] = cal_arr_obj_val_and_fit( pop_arr, PopSize, glo_best, Cmax, Cmin, Deta_R);   
    
    Global_best(1,generation) = Cmin + glo_best(1,1) * (Cmax - Cmin);
    Global_best(2,generation) = Cmin + glo_best(2,1) * (Cmax - Cmin);
    Global_best(3,generation) = glo_best(3,1);
    Global_best(4,generation) = glo_best(4,1);
end
%Global_best