GA.rar_遗传算法实例

%上界a，下界b，种群大小NP，遗传代数NG，交叉概率pc,变异概率pm，离散精度eps function[xv,fv]=GA(fitness,a,b,NP,NG,pc,pm,eps) %第一步产生初始种群x，产生之前需要根据离散精度确定串长L L=ceil(log2((b-a)/eps)); x=Initial(L,NP); for i=1:NP xdec(i)=dec(a,b,x(i,:),L); end %第二步 选择 交叉 变异，循环很多代 for i=1:NG fx=fitness(xdec); %适应度 max_f(i) = max(fx); %最佳个体适应值的增长情况 mean_f(i) = mean(fx); fxp=fx/sum(fx); %选择概率 fxa(1)=fxp(1); %累计概率 for j=2:NP fxa(j)=fxa(j-1)+fxp(j); end %选择父体 sat=rand(); for k=1:NP if sat<=fxa(k) father=k; break; end end %随机选择母体 mother=ceil(rand()*NP); nx=x; %单点交叉 cutp=ceil(rand()*L); r1=rand(); if r1<pc nx(i,1:cutp)=x(father,1:cutp) nx(i,cutp+1:L)=x(mother,cutp+1:L) r2=rand(); %是否变异 if r2 cum=ceil(rand()*L) nx(i,cum)=~nx(i,cum) end end x=nx; for i=1:NP xdec(i)=dec(a,b,x(i,:),L); end %选择较好的子代 fv=-inf; for i=1:NP fitx=fitness(dec(a,b,x(i,:),L)); if fitx>fv fv=fitx; xv=dec(a,b,x(i,:),L); end end end m =1:NG; figure(1); plot(m,max_f,'-bo'),title('每一代最佳个体适应度'); figure(2); plot(m,mean_f,'-ro'),title('平均适应度'); figure(3); plot(m,fx,'-go'),title('适应度');