差分进化算法及改进 matlab程序

function [fbest,fbest_index] = H4DE(Np,tao1,D,G,Xmin,Xmax,f,fJud,min0,typo) % rand('seed',sum(100*clock)); %随机数种子 %%%%%%%初始化种群%%%%%%% X=zeros(Np,D); %定义空种群的规模Np*D（Np个D维向量） fbest=zeros(1,G+1); %贯穿整个进化的最优解 fbest_index=fbest; %最优解对应的索引号 % CR=zeros(1,Np); % CR_pre=CR+0.9; for n=1:Np for m=1:D X(n,m)=Xmin+rand()*(Xmax-Xmin); %Xmin和Xmax都是1X1的数 end end np1=Np/4; %1-np1-np2-np3-Np np2=2*np1; np3=3*np1; SliPoint=[np1,np2,np3,Np]; NpSize=[np1,np2-np1,np3-np2,Np-np3]; %%%%%%一共将种群分为四份，初始每份含np个个体，应用？（搜索型）&？（开发型）的策略%%%%%% fx=f(X); %fx存储g代适应度值 fx_ex=[]; %fx_ex存储g-1代适应度值 %%%%%%%计算个体适应度值%%%%%%% %%%%%找出适应度值最好的值%%%%% if typo==1 fbest(1)=min(fx); %最小值优化 end if typo==2 fbest(1)=max(fx); %最大值优化 end fbest_index(1)=find(fx==fbest(1)); %找出适应度值最好的值对应的行号（向量标号） %%%%%%%开始迭代%%%%%%% for g=1:G jud=fJud(fbest,g,min0); if jud==1 break; end fx_ex=f(X); %%%%%%%变异%%%%%%% % if fbest(g)<tao1 % F=-0.7/G*g+0.9; % else % F=rand(); % end if fbest(g)<tao1 F=-0.7/G*g+0.9; else F=rand(); end % if g~=1 && NpSize(1)==Np/4 && NpSize(2)==Np/4 && NpSize(3)==Np/4 && NpSize(4)==Np/4 % V=DE_rand_1_bin_____2(1,Np,F,X,V); % else V=zeros(Np,D); %初始化变异向量种群 V=DE_rand_1_bin_____2(1,SliPoint(1),F,X,V); %%至少含有四个向量 V=DE_best_2_bin_____4(SliPoint(1)+1,SliPoint(2),F,X,fbest_index,g,V); %%至少含有四个向量 V=DE_rand_2_bin_____5(SliPoint(2)+1,SliPoint(3),F,X,V); %%至少含有六个向量 V=DE_ctob_1_bin_____3(SliPoint(3)+1,SliPoint(4),F,X,fbest_index,g,V); %%至少含有两个向量 % end %%%%%检查是否在可搜索范围内%%%%% Jud2=[]; %初始化判断向量，用于找出超出搜索范围的位置 Jud2=find((V>Xmax)|(V<Xmin)); %|和&用于向量运算；||和&&用于值运算 L_Jud2=length(Jud2); if L_Jud2~=0 for ii=1:L_Jud2 V(Jud2(ii))=Xmin+rand()*(Xmax-Xmin); end end %%%%%%%杂交%%%%%%% U=[]; if fbest(g)<tao1 CR=-0.6/G*g+0.8; else CR=rand(1,1); end for i=1:Np rand_j=randperm(D,D); for j=1:D randn=rand(); if randn<=CR || j==rand_j(j) U(i,j)=V(i,j); else U(i,j)=X(i,j); end end end % U=[]; % for i=1:Np % if rand()<tao2 % CR(i)=CR_pre(i); % else % CR(i)=rand(); % end % CR_pre(i)=CR(i); % rand_j=randperm(D,D); % for j=1:D % randn=rand(); % if randn<=CR(i) || j==rand_j(j) % U(i,j)=V(i,j); % else % U(i,j)=X(i,j); % end % end % end %%%%%%%选择%%%%%%% fx_cur=f(X); %分别计算当代每个X和U个体的适应度值 fu_cur=f(U); if typo==1 temp_index=find(fu_cur<fx_cur); %最小值优化 X(temp_index,:)=U(temp_index,:); end if typo==2 temp_index=find(fu_cur>fx_cur); X(temp_index,:)=U(temp_index,:); %最大值优化 end %选择后得到了下一代的新种群（覆盖上一代） %%%%%%%选出新一代中的最优个体，并和当前最优值比较%%%%%%% fx_cur=f(X); fx=fx_cur; %%%%%%%调整不同算子的种群大小%%%%%%% JNp1=length(find(fx(1:SliPoint(1))<fx_ex(1:SliPoint(1)))); %找到子种群1中适应度值进步的个数 JNp2=length(find(fx((SliPoint(1)+1):SliPoint(2))<fx_ex((SliPoint(1)+1):SliPoint(2)))); %找到子种群2中个数 JNp3=length(find(fx((SliPoint(2)+1):SliPoint(3))<fx_ex((SliPoint(2)+1):SliPoint(3)))); JNp4=length(find(fx((SliPoint(3)+1):SliPoint(4))<fx_ex((SliPoint(3)+1):SliPoint(4)))); if JNp1==0 & JNp2==0 & JNp3==0 & JNp4==0 SliPoint=[Np/4,Np/2,Np*3/4,Np]; NpSize=[Np/4,Np/4,Np/4,Np/4] else rate1=JNp1/NpSize(1); rate2=JNp2/NpSize(2); rate3=JNp3/NpSize(3); rate4=JNp4/NpSize(4); RateP=[rate1;rate2;rate3;rate4]; [SliPoint,NpSize] = Adjust_SliPoint(RateP,SliPoint); %更新np的划分 end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% if typo==1 %最小值优化 fbest_cur=min(fx_cur); fbest_index_cur=find(fx_cur==fbest_cur); if fbest_cur<fbest(g) fbest(g+1)=fbest_cur; fbest_index(g+1)=fbest_index_cur(1); else fbest(g+1)=fbest(g); fbest_index(g+1)=fbest_index(g); end end if typo==2 %最大值优化 fbest_cur=max(fx_cur); fbest_index_cur=find(fx_cur==fbest_cur); if fbest_cur>fbest(g) fbest(g+1)=fbest_cur; fbest_index(g+1)=fbest_index_cur(1); else fbest(g+1)=fbest(g); fbest_index(g+1)=fbest_index(g); end end end end