基于matlab的遗传算法简单示例

问题:利用遗传算法求法f(x)=x*sin(10*pi*x)+2,-1<=x<=2时的最大值

大概步骤就是：

1.随机生成种群，就是-1到2之间的数，只关注保留了小数点后的4位，本来以为是matlab只保留4位小数然而并不是。（问题不大）

2.通过适应度进行选择，就是适应度越高越容易保留下来。这里通过轮盘赌的方式来确定哪些种群留下来。其实是有些个体增加了一下，有些不要啦。比如开始种群为三个个体：0.1111，1.2222，- 0.1111，经过选择后可能变成了：0.1111，1.2222，1.2222。只是可能变成这样额，还有可能是其他情况额。

3.交叉，相当于就是两个个体互相交换基因啦。比如有两个个体：0.1111，1.2222；经过交叉后可能变成：0.1211，1.2122。也仅仅其中可能的一种情况额，到底是哪一位进行交叉是随机的，而且交叉也不定一定进行，只是有一定概率进行而已；

4.变异，这个就是只作用与单个个体；比如有个个体：0.1111，变异后：0.1211。这个变异规则应该有好多种，看自己设吧。下面程序中就是让原来的数加上0.0001当作是变异，当然也可以把+0.01当作变异。变异也只是有可能进行额，它也有可能不进行。

5.变异完后，就是所有的个体就组成新的种群了。就又可以重复1.中的操作啦。

遗传算法，直接贴代码啦。

%%%%%%利用遗传算法求法f(x)=x*sin(10*pi*x)+2,-1<=x<=2时的最大值
%程序问题太多啦，说不定x就跑到定义域外去了，还会找到最小值
%如果定义变异时，是加0.1结果就很奇怪，反正还有好多值得改进的地方，但是用来理解GA算法应该足够啦，感觉也可以把十进制变成2进制来进行操作
clc;close all;clear;
a = -1;%求解区间下界
b = 2;%求解区间上界
cAccuracy = 0.01;%计算精度
NP = 100;%种群的个体数，也就是开始随机生成-1到2上的数的个数
NG = 100;%进化的代数generation
Pc = 0.1;%交叉概率
Pm = 0.5;%变异概率

%%  
population = a+(b-a)*rand(1,NP);%随机产生种群，就是-1到2之间的随机数
for generation = 1:NG%大循环，表示经过的代数
    %% 选择
    fitness = population.*sin(10*pi*population)+2;    %适应度函数,因为算出的适应度都是正的，所以可以直接用fx作适应度，但如果有负的，应该就不可以啊
    Pfit = fitness/sum(fitness);
    for i = 1:NP
        disk(i) = sum(Pfit(1:i));   %通过fitness弄出一个(0,1]的轮盘,来进行轮盘赌
    end
       disknum = rand(1,NP) ;
    populationIndex = zeros(1,NP);
    for i = 1:NP
        for j = 1:NP

            if (disknum(i)<=disk(j))           
               populationChosed(i) = population(j);      %通过轮盘赌选择种群population中那些被淘汰，哪些增加啦。可以产生产生新的种群
               break;
            end


        end
    end
    %% 交叉
    for i = 1:NP
        for j = 1:6 %这里因为matlab保留了小数点后4位数，加上个位和符号，所以选择了6，应该可以改成任意位数，
            populationtemp(i,j)=floor(mod((abs(populationChosed(i)))/10^(-j+1),10)); %将populationChosed的个位，10^-1位..分别存到矩阵中好进行交叉变异
            if(populationChosed(i)<0)
               populationtemp(i,6)=-1;%存储符号
            else
                populationtemp(i,6)=1;
            end
        end
    end%%%%上面就是把数的个位，十位（虽然没十位）分别放到数组里用来进行交叉和变异操作
    randindex = randperm(NP);%任意两组组合
    crossbit = ceil(5*rand(1,NP/2));%交叉的位
    for i = 1:2:NP-1
        if(rand()<Pc)%交叉是可能发生也可能不发生，满足一定的概率Pc
            temp = populationtemp(i,crossbit((i+1)/2));
            populationtemp(randindex(i),crossbit((i+1)/2)) = populationtemp(2,crossbit((i+1)/2));%%交叉过程
            populationtemp(randindex(i+1),crossbit((i+1)/2)) = temp;
        end
    end 
    populaitonCrossed=zeros(NP,1);
    for j=1:5
        populaitonCrossed = populationtemp(:,j)*10^(-j+1)+populaitonCrossed;%将交叉后的数组重新变成正常的数
    end
    populaitonCrossed = populaitonCrossed.*populationtemp(:,6);%还要保证正负和交叉以前一样，其实感觉正负也可以当作交叉位的
    %% 变异

    for i = 1:NP
       if(rand()<Pm)%变异发生的概率是Pm
          populationmeta(i) = populaitonCrossed(i)+0.0001;%变异就是加0.0001
       else
           populationmeta(i) = populaitonCrossed(i);       %不变异保持原样
       end
    end
    population=populationmeta;


figure;
x=-1:0.011:2;
fx=x.*sin(10*pi*x)+2;
plot(x,fx);
hold on
fxpop = population.*sin(10*pi*population)+2;
stem(population,fxpop);
hold off
saveas(gca,['figure_',num2str(generation),'.jpg']);
end

再附一张gif图吧