【 MATLAB 】遗传算法程序

有段时间，一直用为知笔记记笔记，可是后来使用了csdn博客后，就不太喜欢用为知笔记了，可惜了我的会员。笔记里的一些东西，例如公式什么的，都不能直接复制过来，很是遗憾。

准备弃用为知笔记了，把这个遗传算法的程序粘过来吧，即使对我可能没什么用了，但也可能有需要用的人。

程序很详细，当时上课的时候就是用这个程序编的一篇小报告。程序很详细。

function main()
%% -------------主函数-----------------------------------
%                用遗传算法求：
%   max: f(x1,x2) = 21.5+x1*sin(4*pi*x1)+x2*sin(20*pi*x2) 
%        s.t: -3.0 <= x1 <= 12.1
%              4.1 <= x2 <= 5.8
%---------------------------------------------------------------
clear
clc
close all
popsize = 100;     %种群大小
x1_length = 18;   %x1长度为18
x2_length = 15;   %x2长度为15
chromlength = 33;  %二进制编码长度
pc = 0.25;          %交叉概率
pm = 0.01;        %变异概率
pop = initpop(popsize,chromlength);   %初始种群
for i = 1:1000 % 迭代1000次
    [objvalue] = cal_objvalue(pop);%计算计算函数值
    fitvalue = objvalue; %令适应度等于函数值
    [newpop] = selection(pop,fitvalue);  %选择操作
    [newpop] = crossover(newpop,pc);     %交叉操作
    [newpop] = mutation(newpop,pm);      %变异操作
    pop = newpop;                %更新种群
    % 将种群的每个个体表示出来
    [A B] = binary2decimal(newpop);
    [y] = cal_objvalue(newpop);  
    figure(1);
    set(1, 'unit', 'normalized', 'position', [0.1,0.1,0.7,0.7]);
    if  i<=100&mod(i,10)==0  %每迭代10次做一次图,画100次以内的图
        j = floor(i/10);
        %画3d图
        X = -3.0:0.1:12.1;
        Y = 4.1:0.1:5.8;
        subplot(2,5,j);
        [X, Y] = meshgrid(X,Y);
        Z = 21.5 + X.*sin(4*pi*X) + Y.*sin(20*pi*Y);
        mesh(X,Y,Z);
        hold on;
        title(['迭代次数为 n=' num2str(i)]);
        plot3(A,B,y,'*');
    end
    [bestindividual,bestfit]=best(pop,fitvalue);%寻找最优解
    [x1 x2] = binary2decimal(bestindividual); %将二进制值转换为十进制
    BEST(i) = bestfit;
    X1(i) = x1;
    X2(i) = x2;

end 
  
    [max_value,index] = max(BEST');
    best_x1 = X1(index);
    best_x2 = X2(index);
    figure(2);
    set(2, 'unit', 'normalized', 'position', [0.1,0.1,0.7,0.7]);
    i = 1:1000;
    plot(i,BEST);
    axis([0,1000,0,40]);
    xlabel('进化代数');
    ylabel('函数值');
    text(100,10,'交叉概率pc = 0.6  变异概率pm = 0.01  进化代数1000次');
    text(100,8,['After ',num2str(index),' generations,',...
        '  the max value was got.']);
    text(100,6,[' x1 = ',num2str(best_x1),'      x2= ',num2str(best_x2),...
         '      max value= ', num2str(max_value)]);
    fprintf('After %.0f times iterations, max_value was got.\n',index);
    fprintf('the best x1 is  --->> %5.2f\n',best_x1);
    fprintf('the best x2 is  --->> %5.2f\n',best_x2);
    fprintf('the best y is   --->> %5.2f\n',max_value);
    fprintf('\n');
    fprintf('After %.0f times iterations, final_value was got.\n',1000);
    fprintf('the final x1 is  --->> %5.2f\n',x1);
    fprintf('the final x2 is  --->> %5.2f\n',x2);
    fprintf('the final y is   --->> %5.2f\n',bestfit);


function pop = initpop(popsize,chromlength)
%% -------------初始化种群函数----------------
%    初始化种群大小
%       输入变量：
%               popsize:种群大小
%               chromlength：染色体长度--》转化的二进制长度
%       输出变量：
%               pop：种群
%---------------------------------------
pop = round(rand(popsize,chromlength));  %随机产生一个矩阵，每一行是一个长33位染色体；



function [pop1 pop2] = binary2decimal(pop)
%% -----------解码函数---------------------
%    二进制转化为十进制数
%    输入变量：
%        二进制种群
%    输出变量：
%        十进制数值
%-----------------------------------------
for i = 1:18
    pop_x1(:,i) = 2.^(18 - i).*pop(:,i);
end
for j = 1:15
    pop_x2(:,j) = 2.^(15 - j).*pop(:,j+18);
end
%sum(.,2)对行求和，得到列向量
temp1 = sum(pop_x1,2);
temp2 = sum(pop_x2,2);
pop1 = -3.0 + temp1*15.1/(2^18-1); %pop1表示输出x1的十进制数
pop2 = 4.1 + temp2*1.7/(2^15-1);  %pop2表示输出的x2的十进制数



function [objvalue] = cal_objvalue(pop)
%% --------------计算函数值函数----------------------
% 计算函数目标值
%输入变量：二进制数值
%输出变量：目标函数值
%---------------------------------------------
[x1 x2] = binary2decimal(pop);
objvalue = 21.5 + x1.*sin(4*pi*x1) + x2.*sin(20*pi*x2);


function [newpop] = selection(pop,fitvalue)
%% -----------------根据适应度选择函数-------------------
% 输入变量 ：pop:二进制种群
%           fitvalue: 适应度
%输出变量：  newpop: 选择以后的二进制种群
% -------------------------------------------
%构造轮盘
[px,py] = size(pop);
totalfit = sum(fitvalue);
p_fitvalue = fitvalue/totalfit;
p_fitvalue = cumsum(p_fitvalue);%概率求和后排序
ms = sort(rand(px,1)); %产生一列随机数，从小到大排列，相当于转转盘10次
fitin = 1;
newin = 1;
while newin <= px
    if(ms(newin)) < p_fitvalue(fitin) % 转盘转到 fitin 的位置
        newpop(newin,:) = pop(fitin,:); %新种群的第 newin 个体为pop中的第fitin 个体
        newin = newin + 1;
    else
        fitin = fitin +1; %相当于每次都从第一个比较起，依次加1，直至比较完，看转到的是哪一个
    end
end


function [newpop] = crossover(pop,pc)
%% ----------交叉函数--------------------
% 输入变量：pop:二进制的父代种群数
%          pc :交叉概率
% 输出变量：newpop: 交叉后的种群数
%---------------------------------------
[px,py] = size(pop);
newpop = ones(size(pop));
for i = 1:2:px-1  % 1与2交叉。3与4交叉。。。。。每次隔一个，因此步子为2
    if (rand<pc)  % pc = 0.6,即有60%的机会交叉
        cpoint = round(rand*py); %交叉点随机选取,互换交叉点以后的值
        if cpoint <= 0
          % cpoint = 1;
          continue;
        end
        newpop(i,:) = [pop(i,1:cpoint),pop(i+1,cpoint+1:py)];%交叉后的第i个个体
        newpop(i+1,:) = [pop(i+1,1:cpoint),pop(i,cpoint+1:py)];
    else  % 40%的机会不交叉
        newpop(i,:) = pop(i,:);
        newpop(i+1,:) = pop(i+1,:);
    end
end


function [newpop] = mutation(pop,pm)
%% ------------变异函数---------------------------
% 输入变量 pop: 二进制种群
%          pm : 变异概率
% 输出变量： newpop : 变异以后的种群
%-----------------------------------------------
[px,py] = size(pop);
newpop = ones(size(pop)); %只是起到提前声明的作用，提高运算速度
for i = 1:px
    if(rand<pm)
        mpoint = round(rand*py);
        if mpoint<=0
            mpoint = 1;
        end
        newpop(i,:) = pop(i,:);
        if newpop(i,mpoint) == 0
            newpop(i,mpoint) = 1;
        else
            newpop(i,mpoint) = 0;
        end
    else
        newpop(i,:) = pop(i,:);
    end
end



function [bestindividual,bestfit] = best(pop,fitvalue)
%% --------------选出最优个体函数-----------------------
% 输入变量： pop :种群
%           fitvalue : 种群适应度
% 输出变量： bestindividual : 最佳个体（二进制）
% bestfit : 最佳适应度值
% ---------------------------------------------
[px,py] = size(pop);
bestindividual = pop(1,:);
bestfit = fitvalue(1);
for i = 2:px
    if fitvalue(i)>bestfit
        bestindividual = pop(i,:);
        bestfit = fitvalue(i);
    end
end