遗传算法（GA）——Matlab代码

GAO戏精光芒万丈

已于 2022-03-20 03:06:16 修改

阅读量1.9k

点赞数 3

分类专栏： MatLab 文章标签：算法

于 2022-03-19 23:34:55 首次发布

本文链接：https://blog.csdn.net/weixin_42191203/article/details/123605615

版权

本文介绍了如何在Matlab中实现遗传算法，包括基本概念、步骤及代码示例，帮助读者深入理解遗传算法并掌握其在Matlab环境下的应用。

摘要由CSDN通过智能技术生成

clear
clc
close all
f = @(x) x.*sin(x); % 函数表达式
figure(1)
ezplot(f, [0, 20]) % 画出函数图像
N = 50; % 种群上限
ger = 50; % 迭代次数
L = 5; % 基因长度
pc = 0.8; % 交叉概率
pm = 0.1; % 变异概率
dco = [10000; 1000; 100; 10 ;1]; % 解码器
dna = randi([0, 9], [N, L]); % 基因
hold on
x = dna * dco / 99999 * 20; % 对初始种群解码
plot(x, f(x),'ko','linewidth',3) % 画出初始解的位置
x1 = zeros(N, L); % 初始化子代基因
x2 = x1; % 同上
x3 = x1; % 同上
fi = zeros(N, 1); % 初始化适应度
record = zeros(2,ger);
for epoch = 1: ger % 进化代数为100
    for i = 1: N % 交叉操作
        if rand < pc
            d = randi(N); % 确定另一个交叉的个体
            m = dna(d,:); % 确定另一个交叉的个体
            d = randi(L-1); % 确定交叉断点
            x1(i,:) = [dna(i,1:d), m(d+1:L)]; % 新个体 1
            x2(i,:) = [m(1:d), dna(i,d+1:L)]; % 新个体 2
        end
    end
    x3 = dna;
    for i = 1: N % 变异操作
        if rand < pm
            x3(i,randi(L)) = randi([0, 9]);