查分进化算法DE

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94

% 差分进化算法程序  function  DE         t0 = cputime;  %计时      %% 种群初始化      T =  1000 ;               % 最大迭代次数       F0 =  0.5 ;               % 变异率       N =  100 ;                % 种群大小       D =  10 ;                 % 每个个体染色体的个数，即所求问题的维数       CR =  0.3 ;               % 交叉率        Tmin = zeros( 1 ,T);      % 各代适应度函数的的最优值        bestX = zeros(T,D);     % 各代的最优解        value = zeros( 1 ,N);        %% 适用度函数：Rastrigr 函数最小值      function  y = f(x)           y = sum(x.^ 2  -  10 .*cos( 2 .*pi.*x) +  10 );        end        %% 产生初始种群        % 设置界限        xMin = - 5.12 ;        xMax =  5.12 ;        X0 = (xMax-xMin)*rand(N,D) + xMin;  % N-by-D        XG = X0;        XG_next_1= zeros(N,D);      %初始化，存储变异操作中间值N-by-D          XG_next_2 = zeros(N,D);     %初始化，存储交叉操作中间值N-by-D          for  t= 1 :T          %% 变异操作          for  i =  1 :N  % 表示第i个个体              %产生j,k,p三个不同的数              dx = randperm(N);                r1 = dx( 1 );                r2 = dx( 2 );                r3 = dx( 3 );               %要保证与i不同                if  r1 == i                    r1  = dx( 4 );                    else  if  r2 == i                         r2 = dx( 4 );                        else  if  r3 == i                            r3 = dx( 4 );                        end                    end                 end                % 自适用变异算子                suanzi = exp( 1 -T/(T +  1 -t));                F = F0* 2 .^suanzi;                % 变异的个体来自三个随机父代               H = XG(r1,:) + F*(XG(r2,:) - XG(r3,:));               % 检查个体变异，防止变异超出边界              for  j =  1 : D                  if  H(j) >xMin  & H(j) < xMax    % 在边界范围内                          XG_next_1(i,j) = H(j);                    else   %超出边界范围                      XG_next_1(i,j) = (xMax - xMin)*rand + xMin;                    end                end            end           %% 交叉操作          for  i =  1 : N                dx = randperm(D);    % [ 1 , 2 , 3 ,...D]的随机序列                   for  j =  1 : D                    if  rand < CR  % & dx( 1 ) ~= j % CR =  0.9                           XG_next_2(i,j) = XG_next_1(i,j);                  else                        XG_next_2(i,j) = XG(i,j);                                    end                end            end           %% 选择操作           for  i =  1 :N                if  f(XG_next_2(i,:)) <= f(XG(i,:))                   XG(i,:) = XG_next_2(i,:);              end          end          %% 查找每代最优值          for  i =  1 :N                value(i) = f(XG(i,:));            end           [value_min,pos_min] = min(value);          %第G代中的目标函数的最小值            Tmin(t) = value_min;               %保存最优的个体            bestX(t,:) = XG(pos_min,:);           trace (t, 1 ) = t;            trace (t, 2 ) = value_min;            t = t +  1 ;        end      %% 全局最优值：输出结果      [value_min,pos_min] = min(Tmin);        best_value = value_min        best_vector =  bestX(pos_min,:)          fprintf( 'DE所耗的时间为：%f \n' ,cputime - t0);        %画出代数跟最优函数值之间的关系图          plot( trace (:, 1 ), trace (:, 2 ));  end

输出结果：

best_value =

     0

best_vector =

   1.0e-08 *

   -0.1568   -0.1476   -0.0155    0.0578   -0.0721   -0.1532    0.1067    0.0799   -0.0818   -0.0518

DE所耗的时间为：2.640625 

     本文转自stock0991 51CTO博客，原文链接：http://blog.51cto.com/qing0991/1890243，如需转载请自行联系原作者