遗传算法及其Matlab实现

1、初始化种群

clc;clear

nVar = 100; % 自变量长度
nPop = 30; % 种群规模
maxIt = 2000; % 最大迭代次数
nPc = 0.8; % 子代比例
nC = round(nPop * nPc / 2) * 2; % 子代规模
nMu = 0.01; % 变异概念


% 结果存放模板
template.x = [];
template.y = [];

% 父代种群结果存放
Parent = repmat(template, nPop, 1);


% 初始化种群
for i = 1 : nPop
    
    Parent(i).x = randi([0, 1], 1, nVar);
    Parent(i).y = fun(Parent(i).x);
    
end

二进制编码方式，生成父代种群。

2、选择、交叉、变异

这三步操作都是在父代种群上实现后生成子代种群，所有需要先创建子代种群存放结构体。

    % 子代种群结果存放数组
    Offspring = repmat(template, nC/2, 2);

2.1、选择

function p = selectPop(Parent)
    
    % 锦标赛选择法
    n = numel(Parent);
    index = randperm(n);
    p1 = Parent(index(1));
    p2 = Parent(index(2));
    
    if p1.y <= p2.y
        p = p1;
    else 
        p = p2;
    end
    
end

选择的方法有多种，比如锦标赛选择、轮盘赌选择。

锦标赛选择：随机选择两个父代，比较适应度值，更接近目标的被选中。

轮盘赌选择：将所有父代的适应度值除以父代适应度值的和，得出每个父代的被选中的概率。

2.2、交叉

function [y1, y2] = crossPop(x1, x2)

    % 单点交叉
    n = numel(x1);
    s = randi([1, n - 1]);
    
    y1 = [x1(1 : s) x2(s + 1: end)];
    y2 = [x2(1 : s) x1(s + 1: end)];
    
end

被选择出来的父代进行交叉，交叉的方式也有多种，单点交叉、均匀交叉等。

单点交叉：在父代的染色体中选择一个位置，该位置后面的染色体与另一条被选择的染色体交叉。

多点交叉：选择两个点，两个点中间的位置进行交叉。

均匀交叉：随机生成一条与父代同样长度的染色体alpha。然后与被选择的两条染色体进行均匀交叉。公式如下：。

2.3、变异

function p = mutatePop(x, mu)

    % 单点变异
    if rand <= mu
        n = numel(x);
        s = randi([1, n]);
        if x(s) == 0
            x(s) = 1;
        elseif x(s) == 1
            x(s) = 0;
        end
    end
    p = x;
    
end

同样，有单点变异和多点变异。

最后，将生成的子代与父代合并，根据适应度值筛选出新的父代。