clc
clear
%-------------------------------基于遗传算法的资源配置主函数-----------------------------
%参数定义
maxgen=200; %进化代数,即迭代次数
sizepop=10; %种群规模
%AimFunc=StrAimFunc; %目标函数(本算法以目标函数值为适应度)
%fselect='roulette'; %染色体的选择方法,您可以选择:锦标赛法- 'tournament';轮盘赌法-'roulette'
%fcode='float'; %编码方法,您可以选择:浮点法-'float';grey法则--'grey';二进制法-'binary'
pcross=[0.7]; %交叉概率选择,0和1之间
%fcross='float'; %交叉方法选择,您可以选择: 浮点交叉-'float';单点交叉-'simple';均匀交叉-'uniform'
pmutation=[0.1]; %变异概率选择,0和1之间
%fmutation='float'; %变异方法选择,您可以选择:浮点法-'float';单点法-'simple';
lenchrom=[15]; %每个变量的字串长度,如果是浮点变量,则长度都为1
for i=1:sizepop
%随机产生一个种群
individuals.chrom(i,:)=Code(lenchrom); %编码(binary和grey的编码结果为一个实数,float的编码结果为一个实数向量)
%x=Decode(lenchrom,bound,individuals.chrom(i,:),fcode);%解码(binary和grey的解码结果为一个二进制串,float的解码结果为一个实数向量)
%计算适应度
%修改处
%individuals.fitness(i)=AimFunc(x,heli,id_data,0);
[individuals.fitness(i),T(i),Q(i),C(i),R(i)]=fitness(individuals.chrom(i,:)); %染色体的适应度
end
%找最好的染色体
[bestfitness bestindex]=max(individuals.fitness);
bestchrom=individuals.chrom(bestindex,:); %最好的染色体
Tbest=T(bestindex);
Qbest=Q(bestindex);
Cbest=C(bestindex);
Rbest=R(bestindex);
avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度
trace=[avgfitness bestfitness,Tbest,Qbest,Cbest,Rbest];
kbest=1;
% % 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);
% 变异
individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop);
% 计算适应度
for jj=1:sizepop
[individuals.fitness(jj),T(jj),Q(jj),C(jj),R(jj)]=fitness(individuals.chrom(jj,:));
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]=max(individuals.fitness);
[worestfitness,worestindex]=min(individuals.fitness);
% 代替上一次进化中最好的染色体
if bestfitness<newbestfitness
bestfitness=newbestfitness;
bestchrom=individuals.chrom(newbestindex,:);
Tbest=T(newbestindex);
Qbest=Q(newbestindex);
Cbest=C(newbestindex);
Rbest=R(newbestindex);
kbest=i;
end
individuals.chrom(worestindex,:)=bestchrom;
individuals.fitness(worestindex)=bestfitness;
avgfitness=sum(individuals.fitness)/sizepop;
trace=[trace;avgfitness bestfitness,Tbest,Qbest,Cbest,Rbest]; %记录每一代进化中最好的适应度和平均适应度
end
%画出适应度曲线
figure(1);
[r c]=size(trace);
plot([1:r]',trace(:,2));
title(['适应度曲线 ' '终止代数=' num2str(maxgen)]);
xlabel('进化代数');ylabel('适应度');
axis([1,maxgen,240,320])
figure(2)
plot(trace(:,3),'r')
hold on
plot(trace(:,4),'g')
hold on
plot(trace(:,5),'y')
hold on
plot(trace(:,6))
legend('T','Q','C','R')
axis([1,maxgen,20,40])
kbest
优化组合基于遗传算法实现资源优化配置附Matlab代码
版权申诉
54 浏览量
2022-10-16
09:55:22
上传
评论 1
收藏 30KB ZIP 举报
天天Matlab科研工作室
- 粉丝: 3w+
- 资源: 7259
最新资源
- MySQL是一种广泛使用的开源关系型数据库管理系统,它提供了丰富的SQL语句用于数据库的创建、查询、更新和管理 以下是一些常见的
- MySQL是一种广泛使用的开源关系型数据库管理系统,它提供了丰富的SQL语句用于数据库的创建、查询、更新和管理 以下是一些常见
- MySQL是一种广泛使用的开源关系型数据库管理系统,它提供了丰富的SQL语句用于数据库的创建、查询、更新和管理 以下是一些常见的
- 基于Javascript的结婚请帖设计源码 - Invitation
- mysql语句大全及用法
- mysql语句大全及用法
- mysql语句大全及用法
- MySQL是一种广泛使用的开源关系型数据库管理系统
- MySQL是一种广泛使用的开源关系型数据库管理系统
- MySQL是一种广泛使用的开源关系型数据库管理系统
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈