遗传算法实例注释

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);