改进精英策略的遗传算法_应用在电动汽车领域_matlab

clear; clc; % 设置遗传算法参数 popsize=100; % 种群规模 GGAP=1.0; % 代沟 Pc=0.7; % 交叉概率 Pm=0.1; % 变异概率 MAXGEN=100; % 最大进化代数 A=[22,1,5;22,1,6;22,1,7;22,1,8;22,1,9;22,1,10;22,1,11;22,2,5;22,2,7;22,2,8;22,2,9; 22,2,10;22,3,2;22,3,6;22,3,8;22,3,9;22,4,5;22,4,8;23,1,5;23,1,7;23,2,9;23,3,8]; B=[3;4;2;3;3;4;40;1;1;2;2;19;1;1;2;4;1;3;1;1;1;1]; % 导入系统负荷数据（kW），为计算目标函数 Loaddata = [450 425 415 400 400 410 415 440 500 540 565 555 530 525 523 520 530 550 580 600 597 575 526 500]; chrom=zeros(popsize,length(A)); % 种群初始化 trace=zeros(size(chrom,2)+2,MAXGEN); % 代记录表初始化 %% 种群初始化 for kk=1:length(B) chrom(:,kk)=crtbp(popsize,1,A(kk,3)); end % 计算初始目标函数 ObjV=exmfun(chrom); %% 优化 gen=0; % 代计数器 while gen<MAXGEN FitnV=ranking(ObjV); % 父代适应度 selch=select('sus',chrom,FitnV,GGAP); % 选择得子代(随机遍历) ObjVsel=exmfun(selch); best_selch_id=find(ObjVsel==min(ObjVsel)); % 子代精英序号(仅取一个) best_selch_id=best_selch_id(1); best_selch=selch(best_selch_id,:); % 选出子代精英个体 selch(best_selch_id,:)=[]; % 剔除子代精英(不参与交叉) selch=recombin('xovdprs',selch,Pc); % 交叉(减少代理的两点) for i=1:size(selch,1) for j=1:size(selch,2) if rand<=Pm % 变异 num=selch(i,j); % 原始编码 newnum=ceil( A(j,3)*rand )-1; % 在进制范围内随机变异 while newnum==num newnum=ceil( (A(j,3))*rand )-1; end selch(i,j)=newnum; end end end ObjVsel_1=exmfun(selch); worst_selch_id=find(ObjVsel_1==max(ObjVsel_1)); % 找到遗传操作后的子代最差个体(仅取一个) worst_selch_id=worst_selch_id(1); selch(worst_selch_id,:)=best_selch(1,:); % 精英替换掉最差个体 % 重新插入子代精英(插回原位置) selch(best_selch_id+1:end+1,:)=selch(best_selch_id:end,:); selch(best_selch_id,:)=best_selch(1,:); chrom=selch; ObjV=exmfun(chrom); gen=gen+1; % 代计数器更新 [Y,I]=min(ObjV); I=I(1); trace(1:size(chrom,2),gen)=chrom(I,:); trace(end-1,gen)=Y; trace(end,gen)=mean(ObjV); end