三个遗传算法matlab程序实例-基于matlab的遗传算法及其在稀布阵中的应用
5星 · 超过95%的资源 126 浏览量
2022-11-17
01:40:29
上传
评论 3
收藏 26KB DOCX 举报 
遗传算法程序（一）:
说明: fga.m 为遗传算法的主程序; 采用二进制 Gray 编码,采用基于轮盘赌法的非线性排
名选择, 均匀交叉,变异操作,而且还引入了倒位操作!
function [BestPop,Trace]=fga(FUN,LB,UB,eranum,popsize,pCross,pMutation,pInversion,options)
% [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation)
% Finds a maximum of a function of several variables.
% fmaxga solves problems of the form:
% max F(X) subject to: LB <= X <= UB
% BestPop - 最优的群体即为最优的染色体群
% Trace - 最佳染色体所对应的目标函数值
% FUN - 目标函数
% LB - 自变量下限
% UB - 自变量上限
% eranum - 种群的代数,取 100--1000(默认 200)
% popsize - 每一代种群的规模；此可取 50--200(默认 100)
% pcross - 交叉概率,一般取 0.5--0.85 之间较好(默认 0.8)
% pmutation - 初始变异概率,一般取 0.05-0.2 之间较好(默认 0.1)
% pInversion - 倒位概率,一般取 0.05－0.3 之间较好(默认 0.2)
% options - 1*2 矩阵,options(1)=0 二进制编码(默认 0),option(1)~=0 十进制编
%码,option(2)设定求解精度(默认 1e-4)
%
% ------------------------------------------------------------------------
T1=clock;
if nargin<3, error('FMAXGA requires at least three input arguments'); end
if nargin==3, eranum=200;popsize=100;pCross=0.8;pMutation=0.1;pInversion=0.15;options=[0
1e-4];end
if nargin==4, popsize=100;pCross=0.8;pMutation=0.1;pInversion=0.15;options=[0 1e-4];end
if nargin==5, pCross=0.8;pMutation=0.1;pInversion=0.15;options=[0 1e-4];end
if nargin==6, pMutation=0.1;pInversion=0.15;options=[0 1e-4];end
if nargin==7, pInversion=0.15;options=[0 1e-4];end
if find((LB-UB)>0)
error('数据输入错误,请重新输入(LB<UB):');
end
s=sprintf('程序运行需要约%.4f 秒钟时间,请稍等......',(eranum*popsize/1000));
disp(s);
global m n NewPop children1 children2 VarNum
bounds=[LB;UB]';bits=[];VarNum=size(bounds,1);
precision=options(2);%由求解精度确定二进制编码长度
bits=ceil(log2((bounds(:,2)-bounds(:,1))' ./ precision));%由设定精度划分区间
剩余11页未读，继续阅读
评论1
最新资源