matlab遗传算法结果与函数不同,通俗解释matlab之遗传算法程序汇总与结果显示(三)...-CSDN博客

(1)针对前面的遗传算法部分，给出程序汇总如下：

%-------------函数说明----------------

% 主函数

%---------------------------------------

function main()

clear

clc

popsize = 100; %种群大小

chromlength = 10; %二进制编码长度

pc = 0.6; %交叉概率

pm = 0.001; %变异概率

pop = initpop(popsize,chromlength); %初始种群

for i=1:100

[objvalue] = cal_objvalue(pop); %计算适应度值(函数值)

fitvalue = objvalue;

[newpop] = selection(pop,fitvalue); %选择操作

[newpop] = crossover(newpop,pc); %交叉操作

[newpop] = mutation(newpop,pm); %变异操作

pop = newpop; %更新种群

[bestindividual,bestfit]=best(pop,fitvalue);%寻找最优解

x2 = binary2decimal(bestindividual);

x1 = binary2decimal(newpop);

[y1] = cal_objvalue(newpop);

if mod(i,10)==0

figure;

fplot('10*sin(5*x)+7*abs(x-5)+10',[0 10]);

hold on;

title(['迭代次数为 n=' num2str(i)]);

plot(x1,y1,'*');

end

fprintf('the best X is --->>%5.2f\n',x2);

fprintf('the best Y is --->>%5.2f\n',bestfit);

%-------------函数说明----------------

% 初始化种群大小

% 输入变量：

% popsize:种群大小

% chromlength：染色体长度--》转化的二进制长度

% 输出变量：

% pop：种群

%---------------------------------------

function pop = initpop(popsize,chromlength)

pop = round(rand(popsize,chromlength));

%-------------函数说明----------------

% 二进制转化十进制函数

% 输入变量：

% 二进制种群

% 输出变量：

% 十进制数值

%---------------------------------------

function pop2 = binary2decimal(pop)

[px,py]=size(pop);

for i=1:py

pop1(:,i) = 2.^(py-i).*pop(:,i);

end

%sum(.,2)对行求和，得到列的向量

temp = sum(pop1,2);

pop2 = temp*10/1023;

%-------------函数说明----------------

% 计算函数目标值

% 输入变量：

% 二进制数值

% 输出变量：

% 目标函数值

%---------------------------------------

function [objvalue]=cal_objvalue(pop)

x = binary2decimal(pop);

%转化二进制数为x变量的变化域范围的数值

% x = temp*10/1023;

% objvalue = 10*sin(5*x)+7*cos(4*x);

% objvalue = 10*sin(x)+7*x+10

objvalue = 10*sin(5*x)+7*abs(x-5)+10;

%-------------函数说明----------------

% 输入变量：

% pop ：二进制种群

% fitvalue ：适应度值

% 输出变量：

% newpop：选择以后的二进制种群

%---------------------------------------

function [newpop] = selection(pop,fitvalue)

%构造轮盘

[px,py]=size(pop);

totalfit = sum(fitvalue);

p_fitvalue = fitvalue/totalfit;

p_fitvalue = cumsum(p_fitvalue);%概率求和排序

%-------

ms = sort(rand(px,1));%从小到大排列

fitin = 1;

newin = 1;

while newin<=px

if (ms(newin))

newpop(newin,:)=pop(fitin,:);

newin=newin+1;

else fitin=fitin+1;

end

%-------------函数说明----------------

% 输入变量：

% pop:二进制的父代种群数

% pc：交叉的概率

% 输出变量：

% newpop：交叉后的种群数

%---------------------------------------

function [newpop]=crossover(pop,pc)

[px,py]=size(pop);

newpop = ones(size(pop));

for i=1:2:px-1

if(rand

cpoint = round(rand*py);

newpop(i,:) = [pop(i,1:cpoint),pop(i+1,cpoint+1:py)];

newpop(i+1,:) = [pop(i+1,1:cpoint),pop(i,cpoint+1:py)];

else

newpop(i,:)=pop(i,:);

newpop(i+1,:)=pop(i+1,:);

end

%-------------函数说明----------------

% 输入变量：

% pop ：二进制种群

% pm ：变异概率

% 输出变量：

% newpop ：变异以后的种群

%---------------------------------------

function [newpop] = mutation(pop,pm)

[px,py] = size(pop);

newpop = ones(size(pop));

for i=1:px

if(rand

mpoint = round(rand*py);

if mpoint<=0

mpoint=1;

end

newpop(i,:) = pop(i,:);

if newpop(i,mpoint)==0

newpop(i,mpoint)=1;

else newpop(i,mpoint)=0;

end

else

newpop(i,:)=pop(i,:);

end

%-------------函数说明----------------

% 输入变量：

% pop : 种群

% fitvalue ：种群适应度

% 输出变量：

% bestindividual ：最佳个体(二进制个体)

% bestfit ：最佳适应度值

%---------------------------------------

function [bestindividual,bestfit]=best(pop,fitvalue)

[px,py]=size(pop);

bestindividual = pop(1,:);

bestfit = fitvalue(1);

for i=2:px

if fitvalue(i)>bestfit

bestindividual = pop(i,:);

bestfit = fitvalue(i);

end

end (2)实验结果