GA.rar_搜索_自然梯度

%遗传算法实现优化问题 %maxf(x1,x2)=21.5+x1*sin(4*pi*x1)+x2*sin(20*pi*x2) %x1属于[-3.0,12.1];x2属于[4.1,5.8] clear all; close all; %参数 Size=80; %群体大小 G=1000; %1000代时终止循环 start1=-3.0; end1=12.1; start2=4.1; end2=5.8; precision=0.00001%精度为小数点后5位 x1bitlength=ceil(log2((end1-start1)./precision)); x2bitlength=ceil(log2((end2-start2)./precision)); E=round(rand(Size,x1bitlength+x2bitlength)); %群体初始化 大小80*39 %主程序 for k=1:1:G time(k)=k; for s=1:1:Size m=E(s,:); y1=0;y2=0; %解码 m1=m(1:1:x1bitlength); for i=1:1:x1bitlength y1=y1+m1(i)*2^(i-1);%二进制转化为十进制 end x1=(end1-start1)*y1/(2^x1bitlength-1)+start1;%x1 m2=m(x1bitlength+1:1:x1bitlength+x2bitlength); for i=1:1:x2bitlength y2=y2+m2(i)*2^(i-1);%二进制转化为十进制 end x2=(end2-start2)*y2/(2^x2bitlength-1)+start2;%x2 F(s)=21.5+x1*sin(4*pi*x1)+x2*sin(20*pi*x2);%目标函数 end Ji=1./F; %****** Step 1 : 评价BestJ****** BestJ(k)=min(Ji); fi=F; %适应度函数 [Oderfi,Indexfi]=sort(fi); % fi进行升序排序 Bestfi=Oderfi(Size); %Bestfi=max(fi) BestS=E(Indexfi(Size),:); % BestS为最优个体基因 bfi(k)=Bestfi; %****** Step 2 : 选择与复制****** fi_sum=sum(fi); fi_Size=(Oderfi/fi_sum)*Size; fi_S=floor(fi_Size); %选择较大的值 kk=1; for i=1:1:Size for j=1:1:fi_S(i) %选择与复制 TempE(kk,:)=E(Indexfi(i),:); kk=kk+1; %kk 用于复制 end end %************ Step 3 :交叉 ************ pc=0.60; n=ceil(20*rand);%ceil为取整 for i=1:2:(Size-1) temp=rand; if pc>temp %交叉条件 for j=n:1:x1bitlength+x2bitlength %21+18=39 TempE(i,j)=E(i+1,j); TempE(i+1,j)=E(i,j); end end end TempE(Size,:)=BestS; E=TempE; %************ Step 4: 变异 ************** %pm=0.001; %pm=0.001-[1:1:Size]*(0.001)/Size; %适应度函数 fi越大,变异概率 Pm便越小 %pm=0.0; %无变异 pm=0.1; for i=1:1:Size for j=1:1:x1bitlength+x2bitlength temp=rand; if pm>temp %变异条件 if TempE(i,j)==0 TempE(i,j)=1; else TempE(i,j)=0; end end end end %保证 TempPop(80,:)是最优个体(产生max(fi))的代码 TempE(Size,:)=BestS; E=TempE; end Max_Value=Bestfi BestS x1 x2 pc pm figure(1); plot(time,bfi); xlabel('times');ylabel('Best f(x1,x2)');