采用遗传算法进行寻优五个模型

% 案例五：多目标多变量带约束函数的最大值 %{ 主程序：用遗传算法求解 y1=x1.*x1+x2.*x2-x1.*x2-2*x2.*x3-3*x1.*x3 y2=x1.*x1+x3.*x3-x1.*x2-x2.*x3-x1.*x3 在满足-5<x1<12、-6<x2<5、-3<x3<10 且x1+x2>2*x3、x1.*x1+x2>=-x3约束条件下的最小值 %} %% 清空环境变量 clear close all clc %% 初始化遗传算法参数 %初始化参数 nvars=3; %变量个数 lb=[-5 -6 -3]; %每个变量的范围下限 如果x没有下限 则输入-inf 比如lb=[-5 -6 -inf] ub=[12 5 10]; %每个变量的范围上限 如果x没有上限 则输入inf 比如ub=[12 5 inf] maxgen=1000; %进化代数，即迭代次数 sizepop=50; %种群规模 pcross=0.8; %交叉概率选择，0和1之间 pmutation=0.2; %变异概率选择，0和1之间 lenchrom=ones(1,nvars); %每个变量的字串长度，如果是浮点变量，则长度都为1 bound=[lb;ub]'; individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]); %将种群信息定义为一个结构体 avgfitness=[]; %每一代种群的平均适应度 bestfitness=[]; %每一代种群的最佳适应度 bestchrom=[]; %适应度最好的染色体 %% 初始化种群计算适应度值 % 初始化种群 for i=1:sizepop %随机产生一个种群 individuals.chrom(i,:)=Code(lenchrom,bound); x=individuals.chrom(i,:); %计算适应度 individuals.fitness(i)=fun(x); %染色体的适应度 end %找最好的染色体 [bestfitness bestindex]=min(individuals.fitness); bestchrom=individuals.chrom(bestindex,:); %最好的染色体 avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度 % 记录每一代进化中最好的适应度和平均适应度 trace=[avgfitness bestfitness]; %% 迭代寻优 % 进化开始 for i=1:maxgen i % 选择 individuals=select(individuals,sizepop); avgfitness=sum(individuals.fitness)/sizepop; %交叉 individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound); % 变异 individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,[i maxgen],bound); % 计算适应度 for j=1:sizepop x=individuals.chrom(j,:); %解码 individuals.fitness(j)=fun(x); end %找到最小和最大适应度的染色体及它们在种群中的位置 [newbestfitness,newbestindex]=min(individuals.fitness); [worestfitness,worestindex]=max(individuals.fitness); % [y y1(i) y2(i)]=fun(individuals.chrom(newbestindex,:)); % 代替上一次进化中最好的染色体 if bestfitness>newbestfitness bestfitness=newbestfitness; bestchrom=individuals.chrom(newbestindex,:); end individuals.chrom(worestindex,:)=bestchrom; individuals.fitness(worestindex)=bestfitness; avgfitness=sum(individuals.fitness)/sizepop; trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度 end %进化结束 g_best=bestchrom; [bestfitness,bestfitness1,bestfitness2]=fun(g_best); %% 结果分析 [r c]=size(trace); % figure(1) % hand1=plot([1:r]',trace(:,2)) % set(hand1,'linestyle','-','linewidth',1.5) % hold on % hand2=plot([1:r]',trace(:,1)) % set(hand2,'color','r','linestyle','-','linewidth',1.5) % xlabel('进化代数');ylabel('最佳/平均适应度');xlim([1 maxgen]); % legend('最佳适应度','平均适应度') % title('适应度曲线','fontsize',12); % hold off figure(1) hand1=plot([1:r]',trace(:,2)); set(hand1,'linestyle','-','linewidth',1.5) xlabel('进化代数');ylabel('最佳适应度');xlim([1 maxgen]); title('适应度曲线','fontsize',12); hold off % figure(2) % scatter(y1,y2,'r*') % xlabel('y1') % ylabel('y2') % grid minor disp('最优解') disp(g_best) disp('最优值') disp([bestfitness1,bestfitness2])