clc
clear
close all
%% Draw the function graph
figure(1);
hold on;
lb = 1; ub = 2; %The range of the variables is [1, 2]
ezplot('sin(10*pi*X)/X',[lb, ub]); % Draw the function
xlabel('Variables/X');
ylabel('Value/Y');
%% Define the GA Algorithm
NIND = 40; % 种群大小
MAXGEN = 20; %最大遗传代数
PRECI = 20; %个体长度
GGAP = 0.95; %代沟
px = 0.7; %交叉概率
pm = 0.01; %变异概率
trace = zeros(2, MAXGEN); %寻优结果的初始值
FieldD = [PRECI;lb;ub;1;0;1;1]; %区域描述器
Chrom = crtbp(NIND,PRECI); %创建任意离散随机种群
%% Optimization
gen = 0; %代计数器
X = bs2rv(Chrom, FieldD); %初始种群二进制到十进制转换
ObjV = sin(10 * pi * X)./ X; %计算目标函数值
while gen < MAXGEN
FitnV = ranking(ObjV); %分配适应度值
SelCh = select('sus', Chrom, FitnV, GGAP); %选择
SelCh = recombin('xovsp', SelCh, px); %重组
SelCh = mut(SelCh, pm); %变异
X = bs2rv(SelCh, FieldD); %子代个体的十进制转换
ObjVSel = sin(10 * pi * X)./ X; %计算子代的目标函数值
[Chrom, ObjV] = reins(Chrom, SelCh, 1, 1, ObjV, ObjVSel); %重插入子代到父代,得到新种群
X = bs2rv(Chrom, FieldD);
gen = gen + 1; %代数器增加
%获取每代的最优解及其序号, Y为最优解,I为个体的序号
[Y, I] = min(ObjV);
trace(1, gen) = X(I); %记下每代的最优值
trace(2, gen) = Y; %记下每代的最优值
end
plot(trace(1, :), trace(2, :),'bo'); %画出每代的最优点
grid on;
plot(X, ObjV, 'b*'); %画出最后一代的种群
hold off
%% 画进化图
figure(2)
plot(1: MAXGEN, trace(2, :));
grid on
xlabel('遗传代数');
ylabel('解的变化');
title('进化过程');
bestY = trace(2, end);
bestX = trace(1, end);
fprintf(['最优解:\nX= ',num2str(bestX),'\nY= ', num2str(bestY),'\n']);
GA_Test.rar_GA 神经网络_GA-BP_ga bp_神经网络方法_遗传BP神经网络
版权申诉
136 浏览量
2022-09-21
00:13:03
上传
评论
收藏 1KB RAR 举报
小贝德罗
- 粉丝: 71
- 资源: 1万+