【 MATLAB 】遗传算法程序

有段时间，一直用为知笔记记笔记，可是后来使用了csdn博客后，就不太喜欢用为知笔记了，可惜了我的会员。笔记里的一些东西，例如公式什么的，都不能直接复制过来，很是遗憾。

准备弃用为知笔记了，把这个遗传算法的程序粘过来吧，即使对我可能没什么用了，但也可能有需要用的人。

程序很详细，当时上课的时候就是用这个程序编的一篇小报告。程序很详细。

      function main()
      %% -------------主函数-----------------------------------
      % 用遗传算法求：
      % max: f(x1,x2) = 21.5+x1*sin(4*pi*x1)+x2*sin(20*pi*x2)
      % s.t: -3.0 <= x1 <= 12.1
      % 4.1 <= x2 <= 5.8
      %---------------------------------------------------------------
      clear
      clc
      close all
      popsize = 100; %种群大小
      x1_length = 18;   %x1长度为18
      x2_length = 15;   %x2长度为15
      chromlength = 33;  %二进制编码长度
      pc = 0.25; %交叉概率
      pm = 0.01; %变异概率
      pop = initpop(popsize,chromlength);   %初始种群
      for i = 1:1000 % 迭代1000次
       [objvalue] = cal_objvalue(pop);%计算计算函数值
       fitvalue = objvalue; %令适应度等于函数值
       [newpop] = selection(pop,fitvalue);  %选择操作
       [newpop] = crossover(newpop,pc); %交叉操作
       [newpop] = mutation(newpop,pm); %变异操作
       pop = newpop; %更新种群
      % 将种群的每个个体表示出来
       [A B] = binary2decimal(newpop);
       [y] = cal_objvalue(newpop);
       figure(1);
       set(1, 'unit', 'normalized', 'position', [0.1,0.1,0.7,0.7]);
       if  i<=100&mod(i,10)==0  %每迭代10次做一次图,画100次以内的图
       j = floor(i/10);
      %画3d图
       X = -3.0:0.1:12.1;
       Y = 4.1:0.1:5.8;
       subplot(2,5,j);
       [X, Y] = meshgrid(X,Y);
       Z = 21.5 + X.*sin(4*pi*X) + Y.*sin(20*pi*Y);
       mesh(X,Y,Z);
       hold on;
       title(['迭代次数为 n=' num2str(i)]);
       plot3(A,B,y,'*');
       end
       [bestindividual,bestfit]=best(pop,fitvalue);%寻找最优解
       [x1 x2] = binary2decimal(bestindividual); %将二进制值转换为十进制
       BEST(i) = bestfit;
       X1(i) = x1;
       X2(i) = x2;
      end
       [max_value,index] = max(BEST');
       best_x1 = X1(index);
       best_x2 = X2(index);
       figure(2);
       set(2, 'unit', 'normalized', 'position', [0.1,0.1,0.7,0.7]);
       i = 1:1000;
       plot(i,BEST);
       axis([0,1000,0,40]);
       xlabel('进化代数');
       ylabel('函数值');
       text(100,10,'交叉概率pc = 0.6 变异概率pm = 0.01 进化代数1000次');
       text(100,8,['After ',num2str(index),' generations,',...
      ' the max value was got.']);
       text(100,6,[' x1 = ',num2str(best_x1),' x2= ',num2str(best_x2),...
      ' max value= ', num2str(max_value)]);
       fprintf('After %.0f times iterations, max_value was got.\n',index);
       fprintf('the best x1 is --->> %5.2f\n',best_x1);
       fprintf('the best x2 is --->> %5.2f\n',best_x2);
       fprintf('the best y is --->> %5.2f\n',max_value);
       fprintf('\n');
       fprintf('After %.0f times iterations, final_value was got.\n',1000);
       fprintf('the final x1 is --->> %5.2f\n',x1);
       fprintf('the final x2 is --->> %5.2f\n',x2);
       fprintf('the final y is --->> %5.2f\n',bestfit);
      function pop = initpop(popsize,chromlength)
      %% -------------初始化种群函数----------------
      % 初始化种群大小
      % 输入变量：
      % popsize:种群大小
      % chromlength：染色体长度--》转化的二进制长度
      % 输出变量：
      % pop：种群
      %---------------------------------------
      pop = round(rand(popsize,chromlength));  %随机产生一个矩阵，每一行是一个长33位染色体；
      function [pop1 pop2] = binary2decimal(pop)
      %% -----------解码函数---------------------
      % 二进制转化为十进制数
      % 输入变量：
      % 二进制种群
      % 输出变量：
      % 十进制数值
      %-----------------------------------------
      for i = 1:18
       pop_x1(:,i) = 2.^(18 - i).*pop(:,i);
      end
      for j = 1:15
       pop_x2(:,j) = 2.^(15 - j).*pop(:,j+18);
      end
      %sum(.,2)对行求和，得到列向量
      temp1 = sum(pop_x1,2);
      temp2 = sum(pop_x2,2);
      pop1 = -3.0 + temp1*15.1/(2^18-1); %pop1表示输出x1的十进制数
      pop2 = 4.1 + temp2*1.7/(2^15-1);  %pop2表示输出的x2的十进制数
      function [objvalue] = cal_objvalue(pop)
      %% --------------计算函数值函数----------------------
      % 计算函数目标值
      %输入变量：二进制数值
      %输出变量：目标函数值
      %---------------------------------------------
      [x1 x2] = binary2decimal(pop);
      objvalue = 21.5 + x1.*sin(4*pi*x1) + x2.*sin(20*pi*x2);
      function [newpop] = selection(pop,fitvalue)
      %% -----------------根据适应度选择函数-------------------
      % 输入变量 ：pop:二进制种群
      % fitvalue: 适应度
      %输出变量： newpop: 选择以后的二进制种群
      % -------------------------------------------
      %构造轮盘
      [px,py] = size(pop);
      totalfit = sum(fitvalue);
      p_fitvalue = fitvalue/totalfit;
      p_fitvalue = cumsum(p_fitvalue);%概率求和后排序
      ms = sort(rand(px,1)); %产生一列随机数，从小到大排列，相当于转转盘10次
      fitin = 1;
      newin = 1;
      while newin <= px
       if(ms(newin)) < p_fitvalue(fitin) % 转盘转到 fitin 的位置
       newpop(newin,:) = pop(fitin,:); %新种群的第 newin 个体为pop中的第fitin 个体
       newin = newin + 1;
       else
       fitin = fitin +1; %相当于每次都从第一个比较起，依次加1，直至比较完，看转到的是哪一个
       end
      end
      function [newpop] = crossover(pop,pc)
      %% ----------交叉函数--------------------
      % 输入变量：pop:二进制的父代种群数
      % pc :交叉概率
      % 输出变量：newpop: 交叉后的种群数
      %---------------------------------------
      [px,py] = size(pop);
      newpop = ones(size(pop));
      for i = 1:2:px-1  % 1与2交叉。3与4交叉。。。。。每次隔一个，因此步子为2
       if (rand<pc)  % pc = 0.6,即有60%的机会交叉
       cpoint = round(rand*py); %交叉点随机选取,互换交叉点以后的值
       if cpoint <= 0
      % cpoint = 1;
       continue;
       end
       newpop(i,:) = [pop(i,1:cpoint),pop(i+1,cpoint+1:py)];%交叉后的第i个个体
       newpop(i+1,:) = [pop(i+1,1:cpoint),pop(i,cpoint+1:py)];
       else  % 40%的机会不交叉
       newpop(i,:) = pop(i,:);
       newpop(i+1,:) = pop(i+1,:);
       end
      end
      function [newpop] = mutation(pop,pm)
      %% ------------变异函数---------------------------
      % 输入变量 pop: 二进制种群
      % pm : 变异概率
      % 输出变量： newpop : 变异以后的种群
      %-----------------------------------------------
      [px,py] = size(pop);
      newpop = ones(size(pop)); %只是起到提前声明的作用，提高运算速度
      for i = 1:px
       if(rand<pm)
       mpoint = round(rand*py);
       if mpoint<=0
       mpoint = 1;
       end
       newpop(i,:) = pop(i,:);
       if newpop(i,mpoint) == 0
       newpop(i,mpoint) = 1;
       else
       newpop(i,mpoint) = 0;
       end
       else
       newpop(i,:) = pop(i,:);
       end
      end
      function [bestindividual,bestfit] = best(pop,fitvalue)
      %% --------------选出最优个体函数-----------------------
      % 输入变量： pop :种群
      % fitvalue : 种群适应度
      % 输出变量： bestindividual : 最佳个体（二进制）
      % bestfit : 最佳适应度值
      % ---------------------------------------------
      [px,py] = size(pop);
      bestindividual = pop(1,:);
      bestfit = fitvalue(1);
      for i = 2:px
       if fitvalue(i)>bestfit
       bestindividual = pop(i,:);
       bestfit = fitvalue(i);
       end
      end
  
 

文章来源: reborn.blog.csdn.net，作者：李锐博恩，版权归原作者所有，如需转载，请联系作者。

原文链接：reborn.blog.csdn.net/article/details/82913414