遗传算法实例注释
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第一步:定义目标函数
即将二进制码的X转为十进制码并转化到实际定义域
function pop=initpop(popsize,chromlength)
pop=round(rand(popsize,chromlength));20行10列的元素为0或1的矩阵function pop2=decodebinary(pop)
[px,py]=size(pop); px=20,py=10
for i=1:py 从第一列到第10列
pop1(:,i)=2.^(py-i).*pop(:,i); 每一列乘2(py-1)新矩阵由二进制转为十进制end
pop2=sum(pop1,2);计算每一行的和(2表示第二维即行)
function pop2=decodechrom(pop,spoint,length)
pop1=pop(:,spoint:spoint+length-1);将pop从一到十列分别赋值给pop1
%spoint待解码的二进制串的起始位置,此处为1,length表示所截取的长度(10)pop2=decodebinary(pop1);pop2所有已转为十进制的每一行和即20个解
function [objvalue]=calobjvalue(pop)
temp1=decodechrom(pop,1,10); 将已定义且已转为十进制的pop赋值给temp1 x=temp1*10/1023; 将二值域中的数转化为变量域的数即(0,10)
objvalue=10*sin(5*x)+7*cos(4*x); 正式给出定义好的目标函数,注意此时[objvalue]实质上为20个x代入而得的20 X 1的矩阵
第二步:计算适应值
function fitvalue=calfitvalue(objvalue)
global Cmin;
Cmin=0;
[px,py]=size(objvalue); px=20,py=1
for i=1:px i从1到20
if objvalue(i)+Cmin>0 此处为求极大值(具体参考PPT)
temp=Cmin+objvalue(i);
else
temp=0.0;
end
fitvalue(i)=temp; 即大于零的保留,小于等于零的剔除
end
fitvalue=fitvalue';即将列矩阵转换为行矩阵
第三步:选择复制
function [newpop]=selection(pop,fitvalue)
totalfit=sum(fitvalue); 求得所有列的适应值的和
fitvalue=fitvalue/totalfit; 单个个体被选择的概率
fitvalue=cumsum(fitvalue); fitvalue=[1 2 3 4],则 cumsum(fitvalue)=[1 3 6 10]
[px,py]=size(pop); px=20,py=10
ms=sort(rand(px,1)); 产生20行值为(0,1)之间的随机数并从小到大排列fitin=1; 赋值1
newin=1; 赋值1
while newin<=px 如果1小于1024
if(ms(newin)) newpop(newin)=pop(fitin); newpop(1)=pop(1) newin=newin+1; newin=2 else 否则 fitin=fitin+1; fitin=2 end 意义在于只有当适应值大于随即产生的ms时才能被保留到newpop中end 第三步:交叉 function [newpop]=crossover(pop,pc) [px,py]=size(pop); px=20,py=10 newpop=ones(size(pop)); 产生20行10列的全1矩阵 for i=1:2:px-1 对i从1到20,步长为2 if(rand cpoint=round(rand*py); cpoint=随机数乘以10再取整 newpop(i,:)=[pop(i,1:cpoint),pop(i+1,cpoint+1:py)]; pop第一行的1到3列与第二行的4到10列组合形成newpop的第一行 newpop(i+1,:)=[pop(i+1,1:cpoint),pop(i,cpoint+1:py)]; pop第二行的1到3列与第一行的4到10列组合形成newpop的第二行 else 否则 newpop(i,:)=pop(i); newpop的第一行依旧为原pop第一行 newpop(i+1,:)=pop(i+1); newpop的第一行依旧为原pop第一行 end end 第四步:变异 function [newpop]=mutation(pop,pm) [px,py]=size(pop); px=20,py=10 newpop=ones(size(pop)); newpop为20行10列的全1矩阵 for i=1:px 对于i从1到20 if(rand mpoint=round(rand*py); mpoint=随机数与10相乘取整if mpoint<=0 如果mpoint<=0 mpoint=1; 赋值mpoint为1 end newpop(i)=pop(i); newpop(1)等于pop(1) if any(newpop(i,mpoint))==0 当newpop第一行某一位置为0则any输出0 newpop(i,mpoint)=1; 将该位置置换为1 else 否则 newpop(i,mpoint)=0; 将其置换为0 end else 否则 newpop(i)=pop(i); newpop(1)=pop(1)即未发生变异 end end 第五步:求出群体中最大得适应值及其个体 function [bestindividual,bestfit]=best(pop,fitvalue) [px,py]=size(pop); px=20,py=10, bestindividual=pop(1,:); bestindividual=pop第一行 bestfit=fitvalue(1); bestfit= fitvalue第一列 for i=2:px 对i从2到20 if fitvalue(i)>bestfit 如果fitvalue(i)大于以前的 bestindividual=pop(i,:); bestindividual=pop第i行 bestfit=fitvalue(i); bestfit=fitvalue第i列 end end 第六步:主程序 popsize=20; %群体大小 chromlength=10; %字符串长度(个体长度) pc=0.6; %交叉概率 pm=0.001; %变异概率 pop=initpop(popsize,chromlength); %随机产生初始群体 for i=1:20 %20为迭代次数 [objvalue]=calobjvalue(pop); %计算目标函数 fitvalue=calfitvalue(objvalue); %计算群体中每个个体的适应度 [newpop]=selection(pop,fitvalue); %复制 [newpop]=crossover(pop,pc); %交叉 [newpop]=mutation(pop,pc); %变异 [bestindividual,bestfit]=best(pop,fitvalue);