matlab_遗传算法进行优化非线性连续优化模型

function [BESTX,BESTY,ALLX,ALLY]=GAUCP2(K,N,Pm,LB,UB,PL,PW,PLi,PWi,PP,PF,PQ,PV,PminDX,PminDY,Pkc,Pkt,PLambda,PK) %% 此函数实现遗传算法，用于车间布局优化 %% 输入参数列表 % K 迭代次数 % N 种群规模，要求是偶数 % Pm 变异概率 % LB 决策变量的下界，M×1的向量 % UB 决策变量的上界，M×1的向量 %% 输出参数列表 % BESTX K×1细胞结构，每一个元素是M×1向量，记录每一代的最优个体 % BESTY K×1矩阵，记录每一代的最优个体的评价函数值 % ALLX K×1细胞结构，每一个元素是M×N矩阵，记录全部个体 % ALLY K×N矩阵，记录全部个体的评价函数值 %% 第一步： M=length(LB);%决策变量的个数 %种群初始化，每一列是一个样本 farm=zeros(M,N); for i=1:M x=unifrnd(LB(i),UB(i),1,N); farm(i,:)=x; end %输出变量初始化 ALLX=cell(K,1);%细胞结构，每一个元素是M×N矩阵，记录每一代的个体 ALLY=zeros(K,N);%K×N矩阵，记录每一代评价函数值 BESTX=cell(K,1);%细胞结构，每一个元素是M×1向量，记录每一代的最优个体 BESTY=zeros(K,1);%K×1矩阵，记录每一代的最优个体的评价函数值 k=1;%迭代计数器初始化 %% 第二步：迭代过程 while k<=K %% 以下是交叉过程 newfarm=zeros(M,2*N); Ser=randperm(N);%两两随机配对的配对表 A=farm(:,Ser(1)); B=farm(:,Ser(2)); P0=unidrnd(M-1); a=[A(1:P0,:);B((P0+1):end,:)];%产生子代a b=[B(1:P0,:);A((P0+1):end,:)];%产生子代b newfarm(:,2*N-1)=a;%加入子代种群 newfarm(:,2*N)=b; for i=1:(N-1) A=farm(:,Ser(i)); B=farm(:,Ser(i+1)); P0=unidrnd(M-1); a=[A(1:P0,:);B((P0+1):end,:)]; b=[B(1:P0,:);A((P0+1):end,:)]; newfarm(:,2*i-1)=a; newfarm(:,2*i)=b; end FARM=[farm,newfarm]; %% 选择复制 SER=randperm(3*N); FITNESS=zeros(1,3*N); fitness=zeros(1,N); for i=1:(3*N) Beta=FARM(:,i); SE=FIT(Beta,PL,PW,PLi,PWi,PP,PF,PQ,PV,PminDX,PminDY,Pkc,Pkt,PLambda,PK); FITNESS(i)=SE; end for i=1:N f1=FITNESS(SER(3*i-2)); f2=FITNESS(SER(3*i-1)); f3=FITNESS(SER(3*i)); if f1<=f2&&f1<=f3 farm(:,i)=FARM(:,SER(3*i-2)); fitness(:,i)=FITNESS(:,SER(3*i-2)); elseif f2<=f1&&f2<=f3 farm(:,i)=FARM(:,SER(3*i-1)); fitness(:,i)=FITNESS(:,SER(3*i-1)); else farm(:,i)=FARM(:,SER(3*i)); fitness(:,i)=FITNESS(:,SER(3*i)); end end %% 记录最佳个体和收敛曲线 X=farm; Y=fitness; ALLX{k}=X; ALLY(k,:)=Y; minY=min(Y); pos=find(Y==minY); BESTX{k}=X(:,pos(1)); BESTY(k)=minY; %% 变异 for i=1:N if Pm>rand&&pos(1)~=i AA=farm(:,i); BB=GaussMutation(AA,LB,UB); for j=1:M BB(j,1)=unifrnd(LB(j),UB(j),1,1); end farm(:,i)=BB; end end disp(k); k=k+1; end %% 绘图 BESTY2=BESTY; BESTX2=BESTX; for k=1:K TempY=BESTY(1:k); minTempY=min(TempY); posY=find(TempY==minTempY); BESTY2(k)=minTempY; BESTX2{k}=BESTX{posY(1)}; end BESTY=BESTY2; BESTX=BESTX2; MeanBESTY=mean(ALLY'); plot(-BESTY,'-ks','MarkerEdgeColor','k','MarkerFaceColor','k','MarkerSize',1) hold on plot(-MeanBESTY,'-ro','MarkerEdgeColor','k','MarkerFaceColor','k','MarkerSize',1) ylabel('Fitness'); xlabel('Iterations'); legend('Best Fitness','Average Fitness','FontName','Times New Roman','FontSize',10) grid on