genetic.m

我自己的遗传算法工具箱

function Genetic(StrAimFunc)
% 这是一款功能强大的遗传算法

%----------------这些参数可以根据您的需要自行修改-----------------------
maxgen=200;                         %进化代数，即迭代次数
sizepop=100;                        %种群规模
AimFunc=StrAimFunc;                 %目标函数(本算法以目标函数值为适应度)
fselect='roulette';                 %染色体的选择方法，您可以选择：锦标赛法－ 'tournament';轮盘赌法－'roulette'
fcode='float';                       %编码方法，您可以选择：浮点法－'float';grey法则－－'grey';二进制法－'binary' 
pcross=[0.6];                       %交叉概率选择，0和1之间
fcross='float';                   %交叉方法选择，您可以选择： 浮点交叉－'float';单点交叉－'simple';均匀交叉－'uniform'
pmutation=[0.01];                    %变异概率选择，0和1之间
fmutation='float';                 %变异方法选择，您可以选择：浮点法－'float';单点法－'simple';

lenchrom=[1 1 1];          %每个变量的字串长度，如果是浮点变量，则长度都为1
bound=[0 2;0 2;0 2];
%--------------------------------------------------------------------------

individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  %将种群信息定义为一个结构体
avgfitness=[];                      %每一代种群的平均适应度
bestfitness=[];                     %每一代种群的最佳适应度
bestchrom=[];                       %适应度最好的染色体
% 初始化种群
for i=1:sizepop
    %随机产生一个种群
    individuals.chrom(i,:)=Code(lenchrom,fcode,bound);    %编码（binary和grey的编码结果为一个实数，float的编码结果为一个实数向量）
    x=Decode(lenchrom,bound,individuals.chrom(i,:),fcode);%解码（binary和grey的解码结果为一个二进制串，float的解码结果为一个实数向量）
    %计算适应度
    %修改处
    %individuals.fitness(i)=AimFunc(x,heli,id_data,0);
    individuals.fitness(i)=feval(AimFunc,x);   %染色体的适应度
end
%找最好的染色体
[bestfitness bestindex]=max(individuals.fitness);
bestchrom=individuals.chrom(bestindex,:);  %最好的染色体
avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度
% 记录每一代进化中最好的适应度和平均适应度
trace=[avgfitness bestfitness]; 
% 进化开始
for i=1:maxgen
    % 选择
    individuals=Select(individuals,sizepop,fselect); 
    avgfitness=sum(individuals.fitness)/sizepop;
    %交叉
    individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,fcross,[i maxgen],fcode,bound);
    % 变异
    individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,fmutation,[i maxgen],fcode,bound);
    
    % 计算适应度 
    for j=1:sizepop
        x=Decode(lenchrom,bound,individuals.chrom(j,:),fcode); %解码
        % 修改处
        %individuals.fitness(j)=AimFunc(x,heli,id_data,0);
        individuals.fitness(j)=feval(AimFunc,x);   
    end
    
  %找到最小和最大适应度的染色体及它们在种群中的位置
    [newbestfitness,newbestindex]=min(individuals.fitness);
    [worestfitness,worestindex]=max(individuals.fitness);
    % 代替上一次进化中最好的染色体
    if bestfitness<newbestfitness
        bestfitness=newbestfitness;
        bestchrom=individuals.chrom(newbestindex,:);
    end
    individuals.chrom(worestindex,:)=bestchrom;
    individuals.fitness(worestindex)=bestfitness;
    
    avgfitness=sum(individuals.fitness)/sizepop;
    
    trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度
end
%进化结束

%画出适应度曲线
hfig=findobj('Tag','trace');
% See if it is open
if ishandle(hfig)
    figure(hfig);
else
    hfig=figure('Tag','trace');
end
figure(hfig);
[r c]=size(trace);
plot([1:r]',trace(:,1),'r-',[1:r]',trace(:,2),'b--');
title(['适应度曲线  ' '终止代数＝' num2str(maxgen)]);
xlabel('进化代数');ylabel('适应度');
legend('平均适应度','最佳适应度');
disp('适应度                   变量');
x=Decode(lenchrom,bound,bestchrom,fcode);
% 窗口显示
disp([bestfitness x]);