GATBX使用

目标函数

$$maxf(x)=x\ast sin(10\ast pi\ast x)+2.0,x\in [-1,2]$$

matlab代码

figure(1); 
fplot ('variable.*sin(10*pi*variable)+2.0',[-1,2]); %画出函数曲线 
% 定义遗传算法参数 
NIND= 50; % 个体数目 (Number of individuals) 
MAXGEN = 30;% 最大遗传代数 (Maximum number of generations)
Pc=0.7;   %交叉概率
Pm=0.01;   %变异概率
PRECI = 20; % 变量的二进制位数 (Precision of variables) 
GGAP = 0.9; % 代沟 (Generation gap) 
trace=zeros (2, MAXGEN); % 寻优结果的初始值 
FieldD = [20;-1;2;1;0;1;1]; %区域描述器 (Build field descriptor)
Chrom = crtbp(NIND, PRECI); % 初始种群 
gen = 0; % 代计数器 
variable=bs2rv(Chrom,FieldD);  % 计算初始种群的十进制转换 
ObjV = variable.*sin (10*pi*variable)+2.0; % 计算目标函数值 
while gen < MAXGEN
	FitnV = ranking (-ObjV); % 分配适应度值 (Assign fitness values) 
	SelCh = select ('sus', Chrom, FitnV , GGAP);  % 选择 
	SelCh = recombin ('xovsp',SelCh,Pc); % 重组 
	SelCh = mut(SelCh,Pm); % 变异 
	variable=bs2rv(SelCh,FieldD); % 子代个体的十进制转换 
	ObjVSel =variable.*sin(10*pi*variable)+2.0; % 计算子代的目标函数值 
	[Chrom, ObjV]=reins(Chrom,SelCh,1,1,ObjV ,ObjVSel); % 重插入子代的新种群 
	gen = gen+1;  % 代计数器增加 
	% 输出最优解及其序号，并在目标函数图象中标出， Y 为最优解，I 为种群的序号
    [Y,I]=max(ObjV);hold on; 
    plot (Chrom(I),Y , 'bo'); 
    trace (1,gen)=max (ObjV); %遗传算法
	trace (2,gen)=sum (ObjV)/length (ObjV); 
end 
variable=bs2rv (Chrom,FieldD); %十进制转换
hold on,grid;
plot (variable',ObjV','b*'); 
figure(2); 
plot (trace (1,:)');
hold on; 
plot (trace (2,:)','-.');grid; legend ('解的变化 ','种群均值的变化 '); 
[Y,I]=max(ObjV);
fprintf('最终群体中最优个体：%.3f  适应度值：%.3f\n',Chrom(I),Y);

结果

最终群体中最优个体：1.000  适应度值：3.650