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

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']);