main.m

本源码是基于遗传算法的多维函数值的优化计算

%用遗传算法进行简单函数的优化
clear

bn=23; %个体中每个变量的串长度
N=50; %个体中变量个数
inn=100; %初始种群大小
gnmax=400;  %最大代数
pc=0.75; %交叉概率
pm=0.05; %变异概率

%产生初始种群
s=round(rand(inn,N*bn));

%计算适应度,返回适应度f和累积概率p
[f,p]=objf(s);  

gn=1;
while gn<gnmax+1
   for j=1:2:inn
      
      %选择操作
      seln=sel(s,p);
      
      %交叉操作
      scro=cro(s,seln,pc);
      scnew(j,:)=scro(1,:);
      scnew(j+1,:)=scro(2,:);
      
      %变异操作
      smnew(j,:)=mut(scnew(j,:),pm);
      smnew(j+1,:)=mut(scnew(j+1,:),pm);
   end
   s=smnew;  %产生了新的种群
   
   %计算新种群的适应度   
   [f,p]=objf(s);
   
   %记录当前代最好和平均的适应度
   [fmax,nmax]=max(f);
   fmean=mean(f);
   ymax(gn)=fmax;
   ymean(gn)=fmean;
   
  
  
   %记录当前代的最佳个体和最优函数值
   for i=1:N
     x=n2to10(s(nmax,(bn*(i-1)+1):(bn*i)));  %讲二进制转换为十进制
     xx=-500.0+x*1000/(power(2,bn)-1);  %转化为[-500,500]区间的实数
     xmax(gn,i)=xx;
   end
  ybest(gn)=ft(xmax(gn,:));
  gn=gn+1;
end
gn=gn-1;

%绘制曲线
subplot(2,1,1);
plot(1:gn,[ymax;ymean]);
title('历代适应度变化','fonts',10);
legend('最大适应度','平均适应度');
subplot(2,1,2);
plot(1:gn,ybest);
title('历代最优值变化');