标准遗传算法的MATLAB实现

%标准遗传算法
%优化函数为f=-(x-1)^2+4，其中，0<=x<=3
%编码长度为10位，编码精度为0.0029
%种群规模设为40，遗传算子分别为比例选择，单点交叉和单点变异。

交叉概率0.7，变异概率0.1 %最大进化代数为200代，保优操作。

main.m
initial;
global G;
for G=1:200
crossover;
mutation;
adapting;
keepbest;
selection;
end
result;
%初始化函数，随机形成规模为40初始种群
initial.m
pop(40,10)=0;
best_individual(10)=0; %最优个体
adapt_ave(200)=0; %种群平均适应值
for i=1:40
for j=1:10
if rand>0.5
pop(i,j)=1;
else
pop(i,j)=0;
end
end
end
% pop
clear i;
clear j;
%交叉操作，概率为0.7，单点交叉
crossover.m
for i=1:2:39
cross_P=rand; %随机产生一个数，以比较交叉概率
if cross_P<0.9 %交叉概率为0.9
cross_pos=round(10*rand); %交叉位置为0~9，若位置为0或9，则不进行交叉操作if or(cross_pos==0,cross_pos==9)
continue;
end
for j=cross_pos:10
temp=pop(i,j);
pop(i,j)=pop(i+1,j);
pop(i+1,j)=temp;
end
end
end
clear i;
clear j;
clear temp;
clear cross_P;
clear cross_pos;
%变异操作，单点变异，变异概率为0.1 mutation.m
for i=1:40
if rand<0.1 %通过变异概率
M_pos=round(10*rand);
if M_pos~=0 %若变异位为0则无意义 pop(i,M_pos)=1-pop(i,M_pos);
end
end
end
clear M_pos;
clear i;
%计算适应值
adapting.m
for i=1:40
adapt(i)=0;
end
for i=1:40
for j=1:10
if pop(i,j)==1
adapt(i)=adapt(i)+2^(10-j);
end
end
adapt(i)=adapt(i)*0.0029;
adapt(i)=-(adapt(i)-1).^2+4;
end
global adapt_best;
global best_pos;
adapt_best=0; %最佳个体
best_pos=0; %最佳个体在种群中的位置
end
% 最优解复制
for i=1:10
new_pop(40,i)=best_individual(i); end
%将选择产生的新群体复制给pop种群
for i=1:40
for j=1:10
pop(i,j)=new_pop(i,j);
end
end
clear i;
clear j;
clear k;
clear r;
clear ada_temp;
%结果统计函数
result.m
plot(adapt_ave);
best=0;
for j=1:10
if best_individual(j)==1
best=best+2^(10-j);
end
end
best=best*0.0029;
'最优个体为'
best
'最优解为'
best=-(best-1).^2+4;
best。