程序b.txt

基于遗传算法的matlab程序

function [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation,options)
% [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation) 
% Finds a  maximum of a function of several variables.
% fmaxga solves problems of the form:  
%      max F(X)  subject to:  LB <= X <= UB                            
%  BestPop--------最优的群体即为最优的染色体群
%  Trace-----------最佳染色体所对应的目标函数值
%  FUN------------目标函数
%  LB--------------自变量下限
%  UB--------------自变量上限
%  eranum----------种群的代数,取100--1000(默认1000)
%  popsize---------每一代种群的规模；此可取50--100(默认50)
%  pcross-----------交叉的概率,此概率一般取0.5--0.85之间较好(默认0.8)
%  pmutation------变异的概率,该概率一般取0.05-0.2左右较好(默认0.1)
%  options--------1×2矩阵,options(1)=0二进制编码(默认0),option(1)~=0十进制编码,option(2)设定求解%   精度(默认1e-4)                
%
% 如测试Shaffer's(f=0.5-((sin(sqrt(x(1)^2+x(2)^2)))^2-0.5)/(1+0.001*(x(1)^2+x(2)^2))^2)函数,自变量下限%  %[-100,-100],上限[100,100],当x=[0 0]时,取得理想最优MaxF6=1
% 运行得到相当好的结果:自变量为 0.00033379-4.7684e-005 时,最优值 1.000000
% 对应染色体是：1  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  1  1  0  1  1  1  1  %1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1

T1=clock;
if nargin<3, error('FMAXGA requires at least three input arguments'); end
if nargin==3, eranum=1000;popsize=50;pcross=0.8;pmutation=0.1;options=[0 1e-4];end
if nargin==4, popsize=50;pcross=0.8;pmutation=0.1;options=[0 1e-4];end
if nargin==5, pcross=0.8;pmutation=0.1;options=[0 1e-4];end
if nargin==6, pmutation=0.1;options=[0 1e-4];end
if nargin==7, options=[0 1e-4];end
if find((LB-UB)>0)
   error('数据输入错误,请重新输入(LB<UB):');
end
s=sprintf('程序运行需要约%.4f 秒钟时间,请稍等......',(eranum*popsize*40/(1000*50)));
disp(s);
bounds=[LB;UB]';bits=[];
precision=options(2);%由求解精度确定二进制编码长度
bits=ceil(log2((bounds(:,2)-bounds(:,1))' ./ precision));
[Pop]=initpop(popsize,bits);%初始化种群
[m,n]=size(Pop);
pm0=pmutation;
BestPop=zeros(eranum,n);Trace=zeros(eranum,length(bits)+1);%分配初始解空间
i=1;
while i<=eranum
    for j=1:m
        value(j)=feval(FUN(1,,(b2f(Pop(j,,bounds,bits)));%计算适应度
    end
    [MaxValue,Index]=max(value);
    BestPop(i,=Pop(Index,;
    Trace(i,1)=MaxValue;
    Trace(i,(2:length(bits)+1))=b2f(BestPop(i,,bounds,bits);
    [selectpop]=selectchrom(FUN,Pop,bounds,bits);%选择
    [CrossOverPop]=CrossOver(selectpop,pcross);%交叉
    [NewPop]=Mutation(CrossOverPop,pmutation);%变异
    Pop=NewPop;%更新
    pmutation=pm0+(i^4)*(0.6-pm0)/(eranum^4); %随着种群向前进化，逐步增大变异率
    p(i)=pmutation;
    i=i+1;
end
t=1:eranum;
plot(t,Trace(:,1)');
title('函数优化的遗传算法');xlabel('进化世代数(eranum)');ylabel('每一代最优适应度(maxfitness)');
[MaxFval,I]=max(Trace(:,1));
X=Trace(I,(2:length(bits)+1));
hold on;  plot(I,MaxFval,'*');
text(I+5,MaxFval,['FMAX=' num2str(MaxFval)]);
str1=sprintf('进化到 %d 代 ,自变量为 %s 时,得本次求解的最优值 %f\n对应染色体是：%s',...
             I,num2str(X),MaxFval,num2str(BestPop(I,));
disp(str1);
%figure(2);plot(t,p);%绘制变异值增大过程
T2=clock;
CostTime=T2-T1;
if CostTime(6)<0
    CostTime(6)=CostTime(6)+60; CostTime(5)=CostTime(5)-1;
end
if CostTime(5)<0
    CostTime(5)=CostTime(5)+60;CostTime(4)=CostTime(4)-1;
end  %像这种程序当然不考虑运行上小时啦
str2=sprintf('程序运行耗时 %d 小时 %d 分钟 %.4f 秒',CostTime(4),CostTime(5),CostTime(6));
disp(str2);

%初始化种群，采用二进制编码
function [pop]=initpop(popsize,bits)
len=sum(bits);
pop(1,=zeros(1,len);
for i=2:popsize-1
    pop(i,=round(rand(1,len));
end
pop(popsize,=ones(1,len);
%解码
function [fval] = b2f(bval,bounds,bits)
% fval   - 表征各变量的十进制数
% bval   - 表征各变量的二进制编码串
% bounds - 各变量的取值范围
% bits   - 各变量的二进制编码长度
scale=(bounds(:,2)-bounds(:,1))'./(2.^bits-1);
numV=size(bounds,1);
cs=[0 cumsum(bits)]; 
for i=1:numV
  a=bval((cs(i)+1):cs(i+1));
  fval(i)=sum(2.^(size(a,2)-1:-1:0).*a)*scale(i)+bounds(i,1);
end

%计算各个体的适应度并采用轮盘赌进行选择
function [selectpop]=selectchrom(FUN,pop,bounds,bits)%采用轮盘赌选择方法
[m,n]=size(pop);
for i=1:m
    fit(i)=feval(FUN(1,,(b2f(pop(i,:),bounds,bits)));%以函数值为适应度
end
selectprob=fit/sum(fit);%选择概率
prob=cumsum(selectprob);%累计选择概率
sumprob=[0 prob];
for i=1:m
    selectpop(i,:)=pop(length(find(rand>=sumprob)),:);
end    
    
%交叉操作
function [NewPop]=CrossOver(OldPop,pcross)%OldPop为父代种群，pcross为交叉概率
[m,n]=size(OldPop);
r=rand(1,m);
y1=find(r<pcross);
y2=find(r>=pcross);
len=length(y1);
if len>2&mod(len,2)==1%如果用来进行交叉的染色体的条数为奇数，将其调整为偶数
    y2(length(y2)+1)=y1(len);
    y1(len)=[];
end
if length(y1)>=2
   for i=0:2:length(y1)-2
    [NewPop(y1(i+1),:),NewPop(y1(i+2),:)]=EqualCrossOver(OldPop(y1(i+1),:),OldPop(y1(i+2),:));
   end     
end
NewPop(y2,:)=OldPop(y2,:);

function [children1,children2]=EqualCrossOver(parent1,parent2)
%采用均匀交叉 例：
%父1：0 1 1 1 0 0 1 1 0 1 0
%父2：1 0 1 0 1 1 0 0 1 0 1
%掩码：0 1 1 0 0 0 1 1 0 1 0
%交叉后新个体：
%子1：1 1 1 0 1 1 1 1 1 1 1 
%子2：0 0 1 1 0 0 0 0 0 0 0
L=length(parent1);
hidecode=round(rand(1,L));%随机生成掩码，如hidecode=[0 1 1 0 0 0 1 1 0 1 0];
children1=zeros(1,L);
children2=zeros(1,L);
children1(find(hidecode==1))=parent1(find(hidecode==1));%掩码为1，父1为子1提供基因
children1(find(hidecode==0))=parent2(find(hidecode==0));%掩码为0，父2为子1提供基因
children2(find(hidecode==1))=parent2(find(hidecode==1));%掩码为1，父2为子2提供基因
children2(find(hidecode==0))=parent1(find(hidecode==0));%掩码为0，父1为子2提供基因

%变异操作
function [NewPop]=Mutation(OldPop,pmutation)
[m,n]=size(OldPop);
r=rand(1,m);
position=find(r<=pmutation);
len=length(position);
if len>=1
   for i=1:len
       k=unidrnd(n,1,1); %设置变异点数，一般设置1点
       for j=1:length(k)
           if OldPop(position(i),k(j))==1
              OldPop(position(i),k(j))=0;
           else
              OldPop(position(i),k(j))=1;
           end
       end
   end
end
NewPop=OldPop;