遗传算法的路径规划MATLAB源码，环境建模栅格法

% Short road GA main program % Edited by tan % Revision: 1.0 % Date: 2009/07/09 % n ---- 种群规模 % ger ---- 迭代次数 % pc ---- 交叉概率 % pm ---- 变异概率 % v ---- 初始种群（规模为n） % f ---- 目标函数值 % fit ---- 适应度向量 % vx ---- 最优适应度值向量 % vmfit ---- 平均适应度值向量 clear all; close all; clc; tic; % 生成初始种群 %power=[0 5 3 100 100 100 100 100; % 100 0 100 1 3 6 100 100; % 100 100 0 100 8 7 6 100; % 100 100 100 0 100 100 100 8; % 100 100 100 100 0 100 100 5; % 100 100 100 100 100 0 100 3; % 100 100 100 100 100 100 0 3; % 100 100 100 100 100 100 100 0]; power=[0 5 3 100 100 100 100 100 100 100 100 100 100 100 100 100; 100 0 100 1 3 6 100 100 100 100 100 100 100 100 100 100; 100 100 0 100 8 7 6 100 100 100 100 100 100 100 100 100; 100 100 100 0 100 100 100 6 8 100 100 100 100 100 100 100; 100 100 100 100 0 100 100 3 5 100 100 100 100 100 100 100; 100 100 100 100 100 0 100 100 3 3 100 100 100 100 100 100; 100 100 100 100 100 100 0 100 8 4 100 100 100 100 100 100; 100 100 100 100 100 100 100 0 100 100 2 2 100 100 100 100; 100 100 100 100 100 100 100 100 0 100 100 1 2 100 100 100; 100 100 100 100 100 100 100 100 100 0 100 3 3 100 100 100; 100 100 100 100 100 100 100 100 100 100 0 100 100 3 5 100; 100 100 100 100 100 100 100 100 100 100 100 0 100 5 2 100; 100 100 100 100 100 100 100 100 100 100 100 100 0 6 6 100; 100 100 100 100 100 100 100 100 100 100 100 100 100 0 100 4; 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 3; 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0]; [PM PN]=size(power); n=100; ger=200; pc=0.9; pm=0.01; % 生成初始种群 v=init_population(n,PN); v(:,1)=1; v(:,PN)=1; [N,L]=size(v); disp(sprintf('Number of generations:%d',ger)); disp(sprintf('Population size:%d',N)); disp(sprintf('Crossover probability:%.3f',pc)); disp(sprintf('Mutation probability:%.3f',pm)); % 计算适应度，并画出图形 fit=short_road_fun(v,power); figure(1); grid on; hold on; plot(fit,'k*'); title('(a)染色体的初始位置'); xlabel('x'); ylabel('f(x)'); % 初始化 vmfit=[]; it=1; vx=[]; %C=[]; % 开始进化 while it<=ger %Reproduction(Bi-classist Selection) vtemp=short_road_roulette(v,fit); %Crossover v=short_road_crossover(vtemp,pc); %Mutation M=rand(N,L)<=pm; %M(1,:)=zeros(1,L); v=v-2.*(v.*M)+M; v(:,1)=1; v(:,end)=1; %Results fit=short_road_fun(v,power); [sol,indb]=min(fit); v(1,:)=v(indb,:); media=mean(fit); vx=[vx sol]; vmfit=[vmfit media]; it=it+1; end %%%% 最后结果 disp(sprintf('\n')); %空一行 % 显示最优解及最优值 disp(sprintf('Shortroad is %s',num2str(find(v(indb,:))))); disp(sprintf('Mininum is %d',sol)); v(indb,:) % 图形显示最优结果 figure(2); grid on; hold on; plot(fit,'r*'); title('染色体的最终位置'); xlabel('x'); ylabel('f(x)'); % 图形显示最优及平均函数值变化趋势 figure(3); plot(vx); title('最优,平均函数值变化趋势'); xlabel('Generations'); ylabel('f(x)'); hold on; plot(vmfit,'r'); hold off; runtime=toc