jiashu.rar_遗传鲁棒

%分层加速遗传算法 %*********输入参数*************** clear all； clc; popsize=900; %种群个数 num_ceng=30; %分层个数 sub_pop=popsize/num_ceng ; %每层种群的个数 pc=0.80; %杂交概率 pm=0.05; %变异概率 jingquedu=[0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01]; len=len_code(jingquedu);%len_code 返回各指标的编码长度 40 stringlength=sum(len) ; %编码长度 num=length(len); %投影指标的个数 %********编码****************************** x=initialise(popsize,stringlength,len); count=0; %**********分层遗传算法**************************** for i=1:num_ceng %i为组数，每组30个个体，30*30=900 while count<30 %迭代的最优值比上次好则循环进行； x(1+(i-1)*sub_pop:sub_pop*i,:)=roulette(x(1+(i-1)*sub_pop:sub_pop*i,:),len); m=randint(1,1,sub_pop)+1; n=randint(1,1,sub_pop)+1; [g z]=crossover (x(m,:),x(n,:),pc,len); %随机找两行数组进行交叉 %将产生的新个体放入x中 x(m,:)=g; x(n,:)=z; %随机找一行数据进行变异； w=round ( rand* (sub_pop-1) )+1+sub_pop*(i-1); x(w,:)=mutation(x(w,:),pm,len) ; count=count+1; end %里面的num_ceng组进行遗传算法选择最优的种群； l=max(x(1+(i-1)*sub_pop:sub_pop*i,end)); d=zeros(num_ceng,size(x,2)); for j=1+(i-1)*sub_pop:sub_pop*i if x(j,end)==l d(i,:)=x(j,:); %将30组群体中的最大适应度的个体组成新的群体进行下一层的遗传算法； end end end %*********************加速************************* count=0; while count<30 %迭代的最优值比上次好则循环进行； d=roulette(d,len); %数据数据时不用在进行初始化 m=round ( rand* (num_ceng-2))+1; n=round ( rand* (num_ceng-2))+1; [g z]=crossover (d(m,:),d(n,:),pc,len); %随机找两行数组进行交叉 d(m,:)=g; d(n,:)=z; w=round ( rand* (num_ceng-2))+1; d(w,:)=mutation(d(w,:),pm,len);%随机找一行数据进行变异,得到最有总群 count=count+1; end l=max(d(:,end)) %输出最优函数值； 41 for i=1:num_ceng if d(i,end)==l v=d(i,stringlength+1:stringlength+num); %输出最优种群中的最有个体值对的a取值； end end v