function [xv,fv]=AdapGA(fitness,a,b,NP,NG,Pc1,Pc2,Pm1,Pm2,eps)
%待优化目标函数：fitness
%自变量下界：a
%自变量下界：b
%种群个体数：NP
%最大进化代数：NG
%杂交常数1：Pc1
%杂交常数2：Pc2
%变异常数1：Pm1
%变异常数2：Pm2
%自变量离散精度：eps
%目标函数取最小值时的自变量值：xm
%目标函数的最小值：fv
L=ceil(log2((b-a)/eps+1)); %根据离散精度，确定二进制编码所需的码长
x=zeros(NP,L);
for i=1:NP
x(i,:)=Initial(L); %总群初始化
fx(i)=fitness(Dec(a,b,x(i,:),L)); %个体适应值
end
for k=1:NG
sumfx=sum(fx); %所有个体适应值之和
Px=fx/sumfx; %所有个体适应值的平均值
PPx=0;
PPx(1)=Px(1);
for i=2:NP %根据轮盘赌策略的概率增加
PPx(i)=PPx(i-1)+Px(i);
end
for i=1:NP
sita=rand();
for n=1:NP
if sita<=PPx(n)
SelFather=n; %根据轮盘赌策略确定的父亲
break;
end
end
Selmother=floor(rand()*(NP-1))+1; %随机选择母亲
posCut=floor(rand()*(L-2))+1; %随机确定交叉点
favg=sumfx/NP; %群体平均适应值
fmax=max(fx); %群体最大适应值
Fitness_f=fx(SelFather); %交叉的父亲适应值
Fitness_m=fx(Selmother); %交叉的母亲适应值
Fm=max(Fitness_f,Fitness_m); %交叉双方较大的适应值
if Fm>=favg
Pc=Pc1*(fmax-Fm)/(fmax-favg);
else
Pc=Pc2;
end
r1=rand();
if r1<=Pc %交叉
nx(i,1:posCut)=x(SelFather,1:posCut);
nx(i,(posCut+1):L)=x(Selmother,(posCut+1):L);
fmu=fitness(Dec(a,b,nx(i,:),L));
if fmu>=favg
Pm=Pm1*(fmax-fmu)/(fmax-favg);
else
Pm=Pm2;
end
r2=rand();
if r2<=Pm %变异
posMut=round(rand()*(L-1)+1);
nx(i,posMut)=~nx(i,posMut);
end
else
nx(i,:)=x(SelFather,:);
end
end
x=nx;
for i=1:NP
fx(i)=fitness(Dec(a,b,x(i,:),L));
end
end
fv=-inf;
for i=1:NP
fitx=fitness(Dec(a,b,x(i,:),L));
if fitx>fv
fv=fitx; %去个体中的最好值作为最终结果
xv=Dec(a,b,x(i,:),L);
end
end
function result=Initial(length) %初始化函数
for i=1:length
r=rand();
result(i)=round(r);
end
function y=Dec(a,b,x,L) %二进制编码转换为十进制编码
base=2.^((L-1):-1:0);
y=dot(base,x);
y=a+y*(b-a)/(2^L-1);
