AG-code.rar_AG genetic_algorithms

function [xopt,stats]=messaoud3(NombGen,pop,cod); pause on; clc; tic, binf1=1; % Definition des bornes sup et inf des prametres binf2=0.1; binf3=200; binf4=1; bsup1=1; bsup2=0.25; bsup3=1250; bsup4=1; bsup=[bsup1 bsup2 bsup3 bsup4]; binf=[binf1 binf2 binf3 binf4]; bits(1,1:4)=cod; % Definition du nombre de bits avec lequel sera code le chromosome a=rand(pop,cod*length(bits)); % Creation d'une matrice aleatoire new_gen=round(a); %xopt=[1 0.01 0.03 0.03]; %xopt=ones(pop,1)*xopt; %new_gen=encode(xopt,binf,bsup,bits); %new_gen=ones(pop,1)*xopt; %new_gen=encode(x_fin,binf,bsup,bits); fit_opt=-inf; % Intialisation du meilleur individu a -infini stats=[]; au=1; disp('Soyez Patients pendant l''impl�mantation du programme S.V.P.'); disp(' Statistiques Fitness') disp('Generation Maximum Minimum Moyenne') for generation=1:NombGen, % Debut de la boucle principale old_gen=new_gen; x_pop=decode(old_gen,binf,bsup,bits); % Decodage de la matrice aleatoirement cree for i=1:pop, % Calcul des fonctions cout x=x_pop(i,:); ki=x(1); kv=x(2); kr=x(3); kref=x(4); %epr=1.05; %w=0.0178; %l=0.0267; %h=0.0099; Vr=(1/kr)*(ki*1.8+kv*28+kref*2.8); %fitness(i)=10-abs(min((fr-5)/(fr+5)).^4); fitness(i)=1-abs(min(Vr)-0.017); %fitness(i)=10-abs(min((fr-5)/(fr+5)).^2); end; [fitness_c,ind_fit]=sortmx(fitness); % Classement du max au min if fitness_c(1)>fit_opt, fit_opt=fitness_c(1); xopt=x_pop(ind_fit(1),:); end tr=10-max(fitness); pu(au)=tr; bu(au)=generation; au=au+1; stats(generation,:)=[(10-fitness)]; %stats(generation,:)=[20*log10((fitness)) 20*log10(min(Fs(1:30)))... % 20*log10(max(Fs(40:91)))]; s=stats(generation,:); disp([sprintf('%5.0f %12.6g ',generation-1,stats(generation,1))]); %%%%%%%%%%%%%% %%%%%%%%%%%%%%% new_gen=ones(pop,1)*old_gen(ind_fit(1),:); new_gen(pop/2+1:pop,:)=xover(old_gen(1:pop/2,:),0.8); % Croisement du chromosome,on ne % croise que 50% de la population new_gen=mate(new_gen); % Reorganisation aleatoire du chromosome new_gen=mutate(new_gen,0.01); % Mutation avec Pm=1% %new_gen = tselect(old_gen,fitness,2,2);% s�lection par tournoi % Reproduce par roulette russe %new_gen = reproduc(old_gen,fitness); % Mate %new_gen = mate(new_gen); % Crossover %new_gen = xover(new_gen,0.7); % Mutate %new_gen = mutate(new_gen,0.01); end ki=xopt(1); kv=xopt(2); kr=xopt(3); kref=xopt(4); disp('Les param�tres sont:'); disp([sprintf(' ki=%d ',ki)]); disp([sprintf(' kv=%d ',kv)]); disp([sprintf(' kr=%d ',kr)]); disp([sprintf(' kref=%d ',kref)]); Vr=(1/kr)*(ki*1.8+kv*28+kref*2.8) toc; %plot(bu,pu,'linewidth',2);grid;