完整可以运行的数值优化遗传算法源代码
function [X,MaxFval,BestPop,Trace]=fga(FUN,bounds,MaxEranum,PopSize,options,pCross,pMutation,pInversion)
% [X,MaxFval,BestPop,Trace]=fga(FUN,bounds,MaxEranum,PopSize,options,pCross,pMutation,pInversion)
% Finds a maximum of a function of several variables.
% fga solves problems of the form:
% max F(X) subject to: LB <= X <= UB (LB=bounds(:,1),UB=bounds(:,2))
% X - 最优个体对应自变量值
% MaxFval - 最优个体对应函数值
% BestPop - 最优的群体即为最优的染色体群
% Trace - 每代最佳个体所对应的目标函数值
% FUN - 目标函数
% bounds - 自变量范围
% MaxEranum - 种群的代数,取50--500(默认200)
% PopSize - 每一代种群的规模;此可取50--200(默认100)
% pCross - 交叉概率,一般取0.5--0.85之间较好(默认0.8)
% pMutation - 初始变异概率,一般取0.05-0.2之间较好(默认0.1)
% pInversion - 倒位概率,一般取0.05-0.3之间较好(默认0.2)
% options - 1*2矩阵,options(1)=0二进制编码(默认0),option(1)~=0十进制编码,option(2)设定求解精度(默认1e-4)
T1=clock;
%检验初始参数
if nargin<2, error('FMAXGA requires at least three input arguments'); end
if nargin==2, MaxEranum=150;PopSize=100;options=[1 1e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;end
if nargin==3, PopSize=100;options=[1 1e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;end
if nargin==4, options=[1 1e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;end
if nargin==5, pCross=0.85;pMutation=0.1;pInversion=0.25;end
if nargin==6, pMutation=0.1;pInversion=0.25;end
if nargin==7, pInversion=0.25;end
if (options(1)==0|options(1)==1)&find((bounds(:,1)-bounds(:,2))>0)
error('数据输入错误,请重新输入:');
end
% 定义全局变量
global m n NewPop children1 children2 VarNum
% 初始化种群和变量
precision = options(2);
bits = ceil(log2((bounds(:,2)-bounds(:,1))' ./ precision));%由设定精度划分区间
VarNum = size(bounds,1);
[Pop] = InitPop(PopSize,bounds,bits,options);%初始化种群
[m,n] = size(Pop);
fit = zeros(1,m);
NewPop = zeros(m,n);
children1 = zeros(1,n);
children2 = zeros(1,n);
pm0 = pMutation;
BestPop = zeros(MaxEranum,n);%分配初始解空间BestPop,Trace
Trace = zeros(1,MaxEranum);
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说教育文库遗传算法Matlab源代码在线全文阅读。
相关推荐: