优化算法之进化策略

clear all;clc;close all;
%进化策略解决旅行商问题
%{
日期：
20190912_ZD
遗传算法强调染色体的操作，进化策略强调个体级的行为变化，而进化规划则强
强调种群级别上的行为变化，现在学术界上将GA，ES，EP统称为进化算法EC
%}
t0 = clock;
N = 10;%初始种群规模
C = [1,2;70,90;80,60;10,100;800,200;800,100;90,80;200,600;230,4;500,90];%城市坐标
M = size(C,1);%城市个数
for i = 1:N
    X(i,:) = randperm(M);%初始种群
end
Inter = 5000;%迭代次数
BestFitness = -inf;%记录最大适应度
BestIndividual = zeros(1,M);%最优个体
BestFitnessInter = zeros(1,Inter);
MeanFitness = zeros(1,Inter);
D = zeros(M,M);
%计算各个城市之间的距离
for i = 1:M
    for j = 1:M
        D(i,j) = sqrt( sum((C(i,:) - C(j,:) ).^2));
    end
end
%进行迭代
for i = 1:Inter
    %随机生成新的种群
    NewX = zeros(100,N);%生成新的种群
    for Num = 1:100
        %通过初始种群繁殖生成新的种群（注重个体行为）
        pos1 =1 + fix( rand*N );
        pos2 = randperm(M);
        NewX(Num,:) = X(pos1,pos2);
    end
    %计算适应度
    Distance = zeros