完整可以运行的数值优化遗传算法源代码
Lb = ones(PopSize,1)*bounds(:,1)';
Ub = ones(PopSize,1)*bounds(:,2)';
%二进制编码采用多点交叉和均匀交叉,并逐步增大均匀交叉概率
%浮点编码采用离散交叉(前期)、算术交叉(中期)、AEA重组(后期)
OptsCrossOver = [ones(1,MaxEranum)*options(1);...
round(unidrnd(2*(MaxEranum-[1:MaxEranum]))/MaxEranum)]';
%浮点编码时采用两种自适应变异和一种随机变异(自适应变异发生概率为随机变异发生的2倍)
OptsMutation = [ones(1,MaxEranum)*options(1);unidrnd(5,1,MaxEranum)]';
if options(1)==3
D=zeros(n);
CityPosition=bounds;
D = sqrt((CityPosition(:, ones(1,n)) - CityPosition(:, ones(1,n))').^2 +...
(CityPosition(:,2*ones(1,n)) - CityPosition(:,2*ones(1,n))').^2 );
end
%==========================================================================
% 进化主程序 %
%==========================================================================
eranum = 1;
H=waitbar(0,'Please wait...');
while(eranum<=MaxEranum)
for j=1:m
if options(1)==1
%eval(['[fit(j)]=' FUN '(Pop(j,:));']);%但执行字符串速度比直接计算函数值慢
fit(j)=feval(FUN,Pop(j,:));%计算适应度
elseif options(1)==0
%eval(['[fit(j)]=' FUN '(b2f(Pop(j,:),bounds,bits));']);
fit(j)=feval(FUN,(b2f(Pop(j,:),bounds,bits)));
else
fit(j)=-feval(FUN,Pop(j,:),D);
end
end
[Maxfit,fitIn]=max(fit);%得到每一代最大适应值
Meanfit(eranum)=mean(fit);
BestPop(eranum,:)=Pop(fitIn,:);
Trace(eranum)=Maxfit;
if options(1)==1
Pop=(Pop-Lb)./(Ub-Lb);%将定义域映射到[0,1]:[Lb,Ub]-->[0,1] ,Pop-->(Pop-Lb)./(Ub-Lb)
end
switch round(unifrnd(0,eranum/MaxEranum))%进化前期尽量使用实行锦标赛选择,后期逐步增大非线性排名选择 case {0}
[selectpop]=TournamentSelect(Pop,fit,bits);%锦标赛选择
case {1}
[selectpop]=NonlinearRankSelect(Pop,fit,bits);%非线性排名选择
end
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(2)在线全文阅读。
相关推荐: