ycsf.m

这是一个用MATLAB软件写的遗传算法程序。

%Generic Algorithm for function f(x1,x2) optimum，本程序求
%F(s)=100*(x1^2-x2)^2+(1-x1)^2在[-2.048,2.048]之间的最大值
clear all;
close all;

%Parameters，初始化
Size=80;   %种群大小
G=100; %迭代次数    
CodeL=10;%编码长达

%变量的上下限
umax=2.048;
umin=-2.048;
%编码，（可以采用其他编码方法，且可改进该种编码代码）
E=round(rand(Size,2*CodeL));    %Initial Code，初始种群

%Main Program，主程序
for k=1:1:G%对于每次迭代
    time(k)=k;      %记录，便于画出迭代图
    for s=1:1:Size %对于每个种群
        m=E(s,:);
        y1=0;y2=0;

        %Uncoding，解码过程
        m1=m(1:1:CodeL);
        for i=1:1:CodeL
             y1=y1+m1(i)*2^(i-1);
        end
        x1=(umax-umin)*y1/1023+umin;%2^10-1=1023
        m2=m(CodeL+1:1:2*CodeL);
        for i=1:1:CodeL
            y2=y2+m2(i)*2^(i-1);
        end
        x2=(umax-umin)*y2/1023+umin;

        F(s)=100*(x1^2-x2)^2+(1-x1)^2;%求目标函数值
    end

    Ji=1./F;%求出
%****** Step 1 : Evaluate BestJ ******，找出当前最好的适应值BestJ(k)
    BestJ(k)=min(Ji);
    fi=F;                          %Fitness Function，目标函数值
    [Oderfi,Indexfi]=sort(fi);     %Arranging fi small to bigger，对适应度排序
    Bestfi=Oderfi(Size);           %Let Bestfi=max(fi)，最优值
    BestS=E(Indexfi(Size),:);      %Let BestS=E(m), m is the Indexfi belong to max(fi)
    bfi(k)=Bestfi;                 %记下当前最优值

%****** Step 2 : Select and Reproduct Operation******，选择和复制操作
    %轮盘赌法
    fi_sum=sum(fi);
    fi_Size=(Oderfi/fi_sum)*Size;   %Oderfi为排序后的适应值   
    fi_S=floor(fi_Size);            %Selecting Bigger fi value，轮盘赌法选择该种群
                                    %floor（）求出比fi_Size小的第一个整数
    kk=1;                          
    for i=1:1:Size                   %对于每个种群fi_Size
      for j=1:1:fi_S(i)             %Select and Reproduce 
           TempE(kk,:)=E(Indexfi(i),:); 
            kk=kk+1;                   %kk is used to reproduce
      end
   end
   
%************ Step 3 : Crossover Operation ************，交叉
    pc=0.60;                    %交叉概率
    n=ceil(20*rand);            %产生
                                %ceil(A)求出矩阵A中每个元素大于等于其的最小整数
    for i=1:2:(Size-1)          %
        temp=rand;                  %
        if pc>temp                  %Crossover Condition，交叉条件
            for j=n:1:20            %E为种群矩阵
                TempE(i,j)=E(i+1,j);
                TempE(i+1,j)=E(i,j);
            end
        end
    end
    TempE(Size,:)=BestS;
    E=TempE;            %交叉后的新种群
   
%************ Step 4: Mutation Operation **************
%pm=0.001;
%pm=0.001-[1:1:Size]*(0.001)/Size; %Bigger fi, smaller Pm
%pm=0.0;    %No mutation
    pm=0.1;     %Big mutation，变异概率
    for i=1:1:Size          %对于每个种群
        for j=1:1:2*CodeL   %对于每个编码位
            temp=rand;
            if pm>temp                %Mutation Condition，变异条件
                if TempE(i,j)==0
                   TempE(i,j)=1;
                else
                    TempE(i,j)=0;
                end
            end
        end
    end
   
%Guarantee TempPop(30,:) is the code belong to the best individual(max(fi))
%保证TempPop(30,:)是属于最优个体
    TempE(Size,:)=BestS;
    E=TempE;        %更新种群
end
%迭代结束

Max_Value=Bestfi    %求解出的最优值
BestS               %求解出的变量取值
x1
x2
figure(1);          %画图，这个图很丑
plot(time,BestJ); 
xlabel('Times');ylabel('Best J');
figure(2);
plot(time,bfi);
xlabel('times');ylabel('Best F');