matlab30个案例分析案例4代码

lenchrom=[1 1]; %每个变量的字串长度，如果是浮点变量，则长度都为1 bound=[-5 5;-5 5]; %数据范围

individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]); %将种群信息定义为一个结构体 avgfitness=[]; %每一代种群的平均适应度 bestfitness=[]; %每一代种群的最佳适应度 bestchrom=[]; %适应度最好的染色体

%% 初始化种群计算适应度值 % 初始化种群 for i=1:sizepop

%随机产生一个种群

individuals.chrom(i,:)=Code(lenchrom,bound); x=individuals.chrom(i,:); %计算适应度

individuals.fitness(i)=fun(x); %染色体的适应度 end

%找最好的染色体

[bestfitness bestindex]=min(individuals.fitness);

bestchrom=individuals.chrom(bestindex,:); %最好的染色体

avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度 % 记录每一代进化中最好的适应度和平均适应度 trace=[avgfitness bestfitness];

%% 迭代寻优 % 进化开始 for i=1:maxgen i

% 选择

individuals=Select(individuals,sizepop); avgfitness=sum(individuals.fitness)/sizepop;

%交叉

individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound); % 变异

individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,[i maxgen],bound);

% 计算适应度 for j=1:sizepop

x=individuals.chrom(j,:); %解码 individuals.fitness(j)=fun(x); end

%找到最小和最大适应度的染色体及它们在种群中的位置 [newbestfitness,newbestindex]=min(individuals.fitness); [worestfitness,worestindex]=max(individuals.fitness); % 代替上一次进化中最好的染色体 if bestfitness>newbestfitness bestfitness=newbestfitness;

bestchrom=individuals.chrom(newbestindex,:); end

individuals.chrom(worestindex,:)=bestchrom; individuals.fitness(worestindex)=bestfitness;

avgfitness=sum(individuals.fitness)/sizepop;

trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度 end

%进化结束

%% 结果分析 [r c]=size(trace);

plot([1:r]',trace(:,2),'r-');

title('适应度曲线','fontsize',12);

xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12); axis([0,100,0,1])

disp('适应度 变量'); x=bestchrom;

% 窗口显示

disp([bestfitness x]);

mutation

function ret=Mutation(pmutation,lenchrom,chrom,sizepop,pop,bound)

% 本函数完成变异操作

% pcorss input : 变异概率 % lenchrom input : 染色体长度 % chrom input : 染色体群

% sizepop input : 种群规模

% opts input : 变异方法的选择

% pop input : 当前种群的进化代数和最大的进化代数信息 % ret output : 变异后的染色体

for i=1:sizepop %每一轮for循环中，可能会进行一次变异操作，染色体是随机选择的，变异位置也是随机选择的，

%但该轮for循环中是否进行变异操作则由变异概率决定（continue控制） % 随机选择一个染色体进行变异 pick=rand; while pick==0

pick=rand; end

index=ceil(pick*sizepop);

% 变异概率决定该轮循环是否进行变异 pick=rand;

if pick>pmutation continue; end flag=0;

while flag==0

% 变异位置 pick=rand;

while pick==0 pick=rand; end

pos=ceil(pick*sum(lenchrom)); %随机选择了染色体变异的位置，即选择了第pos个变量进行变异

v=chrom(i,pos); v1=v-bound(pos,1); v2=bound(pos,2)-v;

pick=rand; %变异开始 if pick>0.5

delta=v2*(1-pick^((1-pop(1)/pop(2))^2)); chrom(i,pos)=v+delta; else

delta=v1*(1-pick^((1-pop(1)/pop(2))^2)); chrom(i,pos)=v-delta;

end %变异结束

flag=test(lenchrom,bound,chrom(i,:)); %检验染色体的可行性 end end

ret=chrom;

select

function ret=select(individuals,sizepop)

% 本函数对每一代种群中的染色体进行选择，以进行后面的交叉和变异 % individuals input : 种群信息 % sizepop input : 种群规模

% ret output : 经过选择后的种群

fitness1=1./individuals.fitness; sumfitness=sum(fitness1); sumf=fitness1./sumfitness; index=[];

for i=1:sizepop %转sizepop次轮盘 pick=rand;

while pick==0

pick=rand; end

for i=1:sizepop

pick=pick-sumf(i); if pick<0

index=[index i];

break; %寻找落入的区间，此次转轮盘选中了染色体i，注意：在转sizepop次轮盘的过程中，有可能会重复选择某些染色体 end end end

individuals.chrom=individuals.chrom(index,:); individuals.fitness=individuals.fitness(index); ret=individuals; test

function flag=test(lenchrom,bound,code) % lenchrom input : 染色体长度

% bound input : 变量的取值范围 % code output: 染色体的编码值

x=code; %先解码 flag=1;

if (x(1)bound(1,2))&&(x(2)>bound(2,2)) flag=0; end