GA遗传算法Matlab源代码 免费下载直接送 适合新手小白学习~

%遗传算法 % %_________________________________________________________________________% function [Best_score,Best_pos,curve]=GA(pop,Max_iter,lb,ub,dim,fobj) %% 参数初始化 popsize=pop; %种群规模 lenchrom=dim; %变量字串长度 fun = fobj; %适应度函数 pc=0.8; %设置交叉概率 pm=0.05; %设置变异概率 if(max(size(ub)) == 1) ub = ub.*ones(dim,1); lb = lb.*ones(dim,1); end maxgen=Max_iter; % 进化次数 %种群 bound=[lb,ub]; %变量范围 %% 产生初始粒子和速度 for i=1:popsize %随机产生一个种群 GApop(i,:)=Code(lenchrom,bound); %随机产生个体 %计算适应度 [fitness(i)]=fun(GApop(i,:)); %染色体的适应度 end %找最好的染色体 [bestfitness bestindex]=min(fitness); zbest=GApop(bestindex,:); %全局最佳 gbest=GApop; %个体最佳 fitnessgbest=fitness; %个体最佳适应度值 fitnesszbest=bestfitness; %全局最佳适应度值 %% 迭代寻优 for i=1:maxgen % disp(['第',num2str(i),'次迭代']) %种群更新 GA选择更新 GApop=Select2(GApop,fitness,popsize); % 交叉操作 GA GApop=Cross(pc,lenchrom,GApop,popsize,bound); % 变异操作 GA变异 GApop=Mutation(pm,lenchrom,GApop,popsize,[i maxgen],bound); pop=GApop; for j=1:popsize %适应度值 [fitness(j)]=fun(pop(j,:)); %个体最优更新 if fitness(j) < fitnessgbest(j) gbest(j,:) = pop(j,:); fitnessgbest(j) = fitness(j); end %群体最优更新 if fitness(j) < fitnesszbest zbest = pop(j,:); fitnesszbest = fitness(j); end end curve(i)=fitnesszbest; end Best_score = fitnesszbest; Best_pos = zbest; end %% 选择函数 function ret=Select2(individuals,fitness,sizepop) % 本函数对每一代种群中的染色体进行选择，以进行后面的交叉和变异 % individuals input : 种群信息 % fitness input : 适应度 % sizepop input : 种群规模 % opts input : 选择方法的选择 % ret output : 经过选择后的种群 fitness= 1./(fitness); sumfitness=sum(fitness); sumf=fitness./sumfitness; index=[]; for i=1:sizepop %转sizepop次轮盘 pick=rand; while pick==0 pick=rand; end for j=1:sizepop pick=pick-sumf(j); if pick<0 index=[index j]; break; %寻找落入的区间，此次转轮盘选中了染色体i，注意：在转sizepop次轮盘的过程中，有可能会重复选择某些染色体 end end end individualsTemp=individuals(index,:); fitnessTemp=fitness(index); if(size(individualsTemp,1) == 0) ret=individuals; else ret=individualsTemp; end end %% 交叉函数 function ret=Mutation(pmutation,lenchrom,chrom,sizepop,pop,bound) % 本函数完成变异操作 % pcorss input : 变异概率 % lenchrom input : 染色体长度 % chrom input : 染色体群 % sizepop input : 种群规模 % pop input : 当前种群的进化代数和最大的进化代数信息 % ret output : 变异后的染色体 for i=1:sizepop % 随机选择一个染色体进行变异 pick=rand; while pick==0 pick=rand; end index=ceil(pick*sizepop); % 变异概率决定该轮循环是否进行变异 pick=rand; if pick>pmutation continue; end flag=0; while flag==0 % 变异位置 pick=rand; while pick==0 pick=rand; end pos=ceil(pick*sum(lenchrom)); %随机选择了染色体变异的位置，即选择了第pos个变量进行变异 if pos<=0 pos = 1; end if pos>size(bound,1) pos = size(bound,1); end v=chrom(i,pos); v1=v-bound(pos,1); v2=bound(pos,2)-v; pick=rand; %变异开始 if pick>0.5 delta=v2*(1-pick^((1-pop(1)/pop(2))^2)); chrom(i,pos)=v+delta; else delta=v1*(1-pick^((1-pop(1)/pop(2))^2)); chrom(i,pos)=v-delta; end %变异结束 flag=test(lenchrom,bound,chrom(i,:)); %检验染色体的可行性 end end ret=chrom; end %% 变异函数 function ret=Cross(pcross,lenchrom,chrom,sizepop,bound) %本函数完成交叉操作 % pcorss input : 交叉概率 % lenchrom input : 染色体的长度 % chrom input : 染色体群 % sizepop input : 种群规模 % ret output : 交叉后的染色体 for i=1:sizepop % 随机选择两个染色体进行交叉 pick=rand(1,2); while prod(pick)==0 pick=rand(1,2); end index=ceil(pick.*sizepop); % 交叉概率决定是否进行交叉 pick=rand; while pick==0 pick=rand; end if pick>pcross continue; end flag=0; while flag==0 % 随机选择交叉位置 pick=rand; while pick==0 pick=rand; end pos=ceil(pick.*sum(lenchrom)); %随机选择进行交叉的位置，即选择第几个变量进行交叉，注意：两个染色体交叉的位置相同 pick=rand; %交叉开始 v1=chrom(index(1),pos); v2=chrom(index(2),pos); chrom(index(1),pos)=pick*v2+(1-pick)*v1; chrom(index(2),pos)=pick*v1+(1-pick)*v2; %交叉结束 flag1=test(lenchrom,bound,chrom(index(1),:)); %检验染色体1的可行性 flag2=test(lenchrom,bound,chrom(index(2),:)); %检验染色体2的可行性 if flag1*flag2==0 flag=0; else flag=1; end %如果两个染色体不是都可行，则重新交叉 end end ret=chrom; end %% 判断是否在范围内 function flag=test(lenchrom,bound,code) % lenchrom input : 染色体长度 % bound input : 变量的取值范围 % code output: 染色体的编码值 flag=1; [n,m]=size(code); for i=1:n if code(i)<bound(i,1) || code(i)>bound(i,2) flag=0; end end end %% 编码函数 function ret=Code(lenchrom,bound) %本函数将变量编码成染色体，用于随机初始化一个种群 % lenchrom input : 染色体长度 % bound input : 变量的取值范围 % ret output: 染色体的编码值 flag=0; while flag==0 pick=rand(1,lenchrom); ret=bound(:,1)'+(bound(:,2)-bound(:,1))'.*pick; %线性插值 flag=test(lenchrom,bound,ret); %检验染色体的可行性 end end