国赛培训——最优化智能算法——遗传算法

过程：①编码–>初始化种群–>(计算适应度值–>②选择–>③交叉–>④变异–>新种群–>判断是否满足条件)–>解码

1. 编码

1.1 二进制编码

1.1.1 编码长度

每个自变量编码长度之和。其中自变量的编码长度为：

(a,b)代表自变量的取值范围，eps是要求的精度

%% 1.计算二进制编码的长度
for i=1:varnum
	L(i) = ceil(log2(ub(i)-lb(i)/eps + 1)); %求解每个变量的长度
end
LS = sum(L);	%二进制编码的总长度

%% 2.初始化种群
pop = randi([0 1],n,LS);	% 种群
spoint = cumsum([0 L]);		% 保存各变量对应二进制编码的位置

1.1.2 解码

将二进制数据转换为十进制

其中X为二进制转化为十进制的整数值

function real = decode(pop,lb,ub)
	[row col] = size(pop);
	% 1.计算X
	for i=col:-1:1
		temp(i) = 2^(i-1)*pop(i);
	end
	X = sum(temp);
	% 2.二进制-->十进制转换公式
	real = lb + X*(ub-lb)/(2^col-1);
end

1.2 适应度函数计算与转换

fval = Objfun(x);		% 直接计算适应度值

Cmin/Cmax转换（最简单 但效果不佳）

其中Cmin.Cmax可以是特定的输入值，也可以是目标函数的最大最小值
①最大值问题

function fitvalue = fitnessfun(x)
	Cmin = 0.01;		% 0 or 0.1
	row = size(x,1);
	for i=1:row
		fval = Objfun(x(i,:));		% 种群中第i个个体的函数值
		if fval+Cmin > 0
			fitvalue(i) = fval+Cmin;
		else
			fitvalue(i) = 0;
		end
	end
end

②最小值问题

function fitvalue = fitnessfun(x)
	% 1.计算Cmax
	row = size(x,1);
	temp = zeros(1,row);
	for i=1:row
		temp(i) = Objfun(x(i,:));
	end
	Cmax = max(temp);
	% 2.适应度转换
	for i=1:row
		fval = Objfun(x(i,:));		% 种群中第i个个体的函数值
		if fval < Cmax
			fitvalue(i) = Cmax-fval;
		else
			fitvalue(i) = 0;
		end
	end
end

线性变换1(分max min)

函数表达式：F(x) = af(x)+b
max问题： F(x) = f(x)-fmin+σ
min问题：F(x) = fmax-f(x)+σ
其中σ是一个较小的数，可使种群中最差的个体也有繁殖的机会（具体取值可以由数值量级决定）
①max问题

case '线性变化1'
	kesai =0.1;		//数值根据数量级决定
	fmin = min(fval);
	fitvalue = fval-fmin+kesai;

②min问题

case '线性变化1'
	kesai = 0.1;
	fmax = max(fval);
	fitvalue = fmax-fval+kesai

线性变换2

函数表达式：F(x) = af(x)+b

case '线性变换2'
	C =1.5;		// C取值为1.2~2
	fmin = min(fval);
	fmax = max(fval);
	favg = sum(fval)/size(x,1);
	if fmin >(C*favg-fmax)/(C-1)
		a =(C-1)*favg/(fmax-favg);
		b =