MATLAB.rar_多目标 约束_多目标约束_多目标问题_约束多目标_约束遗传

NIND=100; %个体数目 Maxgen=100; %最大遗传代数 Nvar=3*11; %变量个数，共11条渠道，每条渠道3个变量 Preci=10; %变量的二进制位数 Gap=1; %代沟 trace1=zeros(Maxgen,1);trace2=zeros(Maxgen,1);trace3=zeros(Maxgen,3); %性能跟踪 V=zeros(100,Nvar);Chrom1=zeros(100,Nvar*Preci);%初始赋值，提供内存空间 T=16;qd=[0.6,1,1,0.6,0.6,0.5,0.5,0.6,0.8,1.5,0.8];%设置轮期与设计流量 FieldD=[rep(Preci,[1,Nvar]);[0.6*qd,rep(0,[1,2*11]);1.2*qd,rep(T,[1,2*11])];rep([1;0;1;1],[1,Nvar])]; %区域描述器 k=1; while k<101 %这个整个的循环是为了寻找模型的可行解，为下面的遗传过程寻优提供输入，也就是遗传里面的初始种群 Chrom=crtbp(NIND,Nvar*Preci);%随机产生初始种群 v=bs2rv(Chrom,FieldD);%二进制转十进制 for i=1:100 %验证变量之间的关系，将不符合条件的变量进行转换，可以先不看 for j=12:22 if(v(i,j)>v(i,j+11)) a=v(i,j); b=Chrom(i,(j-1)*Preci+1:j*Preci); v(i,j)=v(i,j+11); Chrom(i,(j-1)*Preci+1:j*Preci)=Chrom(i,(j+10)*Preci+1:(j+11)*Preci); v(i,j+11)=a; Chrom(i,(j+10)*Preci+1:(j+11)*Preci)=b; end end end f1=newobj1(v); %计算目标函数1的值 for i=1:size(v) %此循环是为了将符合条件的变量筛选出来 if(f1(i,1)~=inf) V(k,:)=v(i,:); Chrom1(k,:)=Chrom(i,:); k=k+1; end end end V=V(1:NIND,:); Chrom1=Chrom1(1:NIND,:); %V=v; %Chrom1=Chrom; gen=1; %下面是整个遗传算法的过程，我有两个目标，想要实现第一个目标优化为主，第二个目标在此基础之上尽可能优化 while gen<=Maxgen M=fix(NIND/2); %这个的意思其实是50=100/2，就是为了把初始种群平均分成两组 f1=newobj1(V(1:M,:)); %求第一个目标函数值 f2=newobj2(V((M+1):NIND,:)); %求第二个目标函数值 Fitness1=ranking(f1); %以第一目标函数值对第一组的个体进行排序 Fitness2=ranking(f2); %同上 Selch1=select('sus',Chrom1(1:M,:),Fitness1,Gap); %采用随机遍历抽样进行选择，若采用轮盘赌选择则为rws Selch2=select('sus',Chrom1((M+1):NIND,:),Fitness2,Gap); %同样为选择出优势群体 Selch=[Selch1;Selch2]; %把两组选择之后的个体合并 Selch=recombin('xovsp',Selch,0.7); %交叉重组，采用单点交叉 Chrom1=mut(Selch); %离散变异 V=bs2rv(Chrom1,FieldD); %把二进制转换成十进制，FieldD是上面提到的区域描述器，这个是固定模式 for i=1:100 %因为进过交叉重组跟变异之后的个体决策变量可能会被重新打乱，所以又进行了一次变量的验证 for j=12:22 if(V(i,j)>V(i,j+11)) a=V(i,j); b=Chrom1(i,(j-1)*Preci+1:j*Preci); V(i,j)=V(i,j+11); Chrom1(i,(j-1)*Preci+1:j*Preci)=Chrom1(i,(j+10)*Preci+1:(j+11)*Preci); V(i,j+11)=a; Chrom1(i,(j+10)*Preci+1:(j+11)*Preci)=b; end end end f11=newobj1(V); %将新得到的种群计算目标函数值 f22=newobj2(V); f33=newobj1(V)+new_obj2(V); [trace1(gen,1),location1(gen,1)]=min(f11); %这个跟下面两个是为了记录这一代种群中的最优值 Vtrace1(gen,:)=V(location1(gen,1),:); trace1(gen,2)=newobj2(Vtrace1(gen,:)); [trace2(gen,1),location2(gen,1)]=min(f22); Vtrace2(gen,:)=V(location2(gen,1),:); [trace3(gen,1),location3(gen,1)]=min(f33); trace3(gen,2)=newobj1(V(location3(gen,1),:)); trace3(gen,3)=newobj2(V(location3(gen,1),:)); Vtrace3(gen,:)=V(location3(gen,1),:); gen=gen+1; end figure(1);clf; %下面是画图的过程 plot(trace1(:,1),'-');hold on; plot(trace1(:,2),'.'); grid; legend('f1','f2'); xlabel('迭代次数');ylabel('目标函数值'); figure(2);clf; plot(trace2(:,1),'-');hold on; plot(trace2(:,1),'.'); grid; legend('输水损失（10^4m^3/s）'); xlabel('迭代次数');ylabel('目标函数值'); figure(3);clf; plot(trace3(:,1),'-');hold on;plot(trace3(:,2),'-.');hold on;plot(trace3(:,3),'--') plot(trace3(:,1),'.'); grid; legend('f1+f2','f1','f2'); xlabel('迭代次数');ylabel('目标函数值'); figure(4);clf; plot(newobj1(V));hold on; plot(XiDongGanQu_obj2(V),'r-.');grid; legend('f1','f2'); xlabel('个体数目编号');ylabel('目标函数值'); title('最终代种群目标函数值');