%% GA
clc % 清屏
clear all; % 删除workplace变量
close all; % 关掉显示图形窗口
warning off
%% 参数初始化
popsize=100; %种群规模
lenchrom=4; %变量字串长度
pc=0.7; %设置交叉概率,本例中交叉概率是定值,若想设置变化的交叉概率可用表达式表示,或从写一个交叉概率函数,例如用神经网络训练得到的值作为交叉概率
pm=0.3; %设置变异概率,同理也可设置为变化的
maxgen=100; % 进化次数
%种群
popmax=50;
popmin=0;
bound=[popmin popmax;popmin popmax;popmin popmax;popmin popmax]; %变量范围
%% 产生初始粒子和速度
for i=1:popsize
%随机产生一个种群
GApop(i,:)=Code(lenchrom,bound); %随机产生个体
%计算适应度
fitness(i)=fun(GApop(i,:)); %染色体的适应度
end
%找最好的染色体
[bestfitness bestindex]=min(fitness);
zbest=GApop(bestindex,:); %全局最佳
gbest=GApop; %个体最佳
fitnessgbest=fitness; %个体最佳适应度值
fitnesszbest=bestfitness; %全局最佳适应度值
%% 迭代寻优
for i=1:maxgen
i
%种群更新 GA选择更新
GApop=Select2(GApop,fitness,popsize);
% 交叉操作 GA
GApop=Cross(pc,lenchrom,GApop,popsize,bound);
% 变异操作 GA变异
GApop=Mutation(pm,lenchrom,GApop,popsize,[i maxgen],bound);
pop=GApop;
for j=1:popsize
%适应度值
if 2*pop(j,1)-5*pop(j,2)+7*pop(j,3)+9*pop(j,4)<=300
if 17*pop(j,1)+56*pop(j,2)+31*pop(j,3)+88*pop(j,4)<=10000
fitness(j)=fun(pop(j,:));
end
end
%个体最优更新
if fitness(j) < fitnessgbest(j)
gbest(j,:) = pop(j,:);
fitnessgbest(j) = fitness(j);
end
%群体最优更新
if fitness(j) < fitnesszbest
zbest = pop(j,:);
fitnesszbest = fitness(j);
end
end
yy(i)=fitnesszbest;
end
%% 结果
disp '*************best particle number****************'
zbest
%%
plot(yy,'linewidth',2);
title(['适应度曲线 ' '终止代数=' num2str(maxgen)]);
xlabel('进化代数');ylabel('适应度');
grid on
GA.rar_GA_trianglel75_基于遗传算法求解多元函数最优解_遗传算法 _遗传算法多元
版权申诉
111 浏览量
2022-07-13
22:45:29
上传
评论
收藏 2KB RAR 举报
JaniceLu
- 粉丝: 85
- 资源: 1万+
最新资源
- EC2监控工具 ManageEngine-FreeEC2HealthMonitor
- SSG4953A-VB一款2个P-Channel沟道SOP8的MOSFET晶体管参数介绍与应用说明
- whisper onnx 解码脚本
- Azure监控工具 ManageEngine-AzureMonitor
- VMware配置工具 ManageEngine-FreeVMConfigurationTool
- XenServer监控工具 ManageEngine-XenServer-Health-Monitor
- 以下是详细的Tomcat安装及配置教程.docx
- Hyper-V配置工具 ManageEngine-HyperVConfigTool
- 基于灰色神经网络的订单需求预测
- 029260智能网联汽车技术实训_教学大纲_2024_(专升本).docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
评论0