2019深圳杯B题matlab代码及注释.rar

function trace = GA_P1( ) clc clear all close all load('raw_data.mat'); %% 定义遗传算法参数 X=39; %角度1 Y=20 ; %角度2 N=32; %天线数量 NIND=10; %个体数目 MAXGEN=5; %最大遗传代数 PRECI=4; %变量的N进制位数 GGAP=0.7; %代沟 px=0.9; %交叉概率 pm=0.01; %变异概率 trace=zeros(5,MAXGEN); %寻优结果的初始值 Chrom=crtbp_yaoqiu3(NIND); %初始种群 %% 优化 gen=0; %代计数器 % ObjV=Objv_P_gene(Chrom,X,Y,N); %计算目标函数值 ObjV=target1(Chrom); %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,[20 20 20 20]); %变异 % ObjVSel=Objv_P_gene(SelCh,X,Y,N); %计算子代的目标函数值 ObjVSel=target1(SelCh); %计算子代的目标函数值 [Chrom,ObjV]=reins(Chrom,SelCh,1,[1,0.5],ObjV,ObjVSel); %重插入子代到父代，得到新种群 gen=gen+1; %代计数器增加 %获取每代的最优解及其序号，Y为最优解,I为个体的序号 [Zhi,I]=min(ObjV); trace(1,gen)=Zhi; %记下每代的最优值 trace(2,gen)=Chrom(I,1); trace(3,gen)=Chrom(I,2); trace(4,gen)=Chrom(I,3); trace(5,gen)=Chrom(I,4);%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']) end