差分进化算法——2

1、题目

2、仿真过程

3、代码实现

4、结果展示

1、例题：计算函数的最小值，其中个体x的维数n=10,这是一个简单的平方和函数，只有一个极小点x=(0,0....,0)理论最小值f(0,0,...0)=0.

2、仿真过程

(1)初始化个体数目为NP=50，变量维数为D=10，最大进化代数为200,初始变异算子=0.4,交叉算子CR=0.1，阈值yz=.

(2)产生初始种群，计算个体目标函数值；进行变异操作、交叉操作、边界条件处理，产生临时种群，其中变异操作采用自适应变异算子，其中变异操作采用自适应变异算子，边界条件处理采用在可行域中随机产生参数向量的方式。

（3）计算临时种群个体目标函数，与原种群对应个体进行“一对一”选择操作，产生新种群。

（4）判断是否满足终止条件：若满足，则结束搜索过程，输出优化值，若不满足，则继续进行迭代优化。

优化结束后，DE目标函数进化曲线如图所示，优化后的结果为

x=[   -0.0003，-0.0002，0.0003，-0.0003，-0.0012，0.0003，-0.0000，0.0001，0.0007]

函数的最小值为 f(x)=2.2118e-06

3、代码实现

%%%% 差分进化算法求函数极值 %%%%
%% 初始化
clear all;
close all;
clc;
NP=50;    % 种群数量
D=10;     % 变量的维数
G=200;    % 最大进化代数
F0=0.4;   % 初始变异算子
CR=0.1;   % 交叉算子
Xs=20;    % 上限
Xx=-20;   % 下限
yz=10^-6;  % 阈值

%% 赋初值
x = zeros(D,NP);   %初始化种群
v = zeros(D,NP);   %变异种群
u = zeros(D,NP);   %选择种群
x = rand(D,NP)*(Xs-Xx)+Xx;   % 赋初值

%% 计算目标函数
for m = 1:NP
    Ob(m)=func1(x(:,m));
end
trace(1) = min(Ob);

%% 差分进化循环
for gen=1:G
     %变异操作
     %自适应变异算子
     lamda = exp(1-G/(G+1-gen));   
     F = F0*2^(lamda);
     % r1,r2,r3和m互不相同
     for m =1:NP
         r1 = randi([1,NP],1,1);
         while(r1==m)
             r1 =randi([1,NP],1,1);
         end
         r2 = randi([1,NP],1,1);
         while (r2==m)|(r2==r1)
             r2=randi([1,NP],1,1);
         end
         r3 = randi([1,NP],1,1);
         while (r3==m)|(r3==r2)|(r3==r1)
             r3 =randi([1,NP],1,1);
         end
         v(:,m) = x(:,r1)+F*(x(:,r2)-x(:,r3));
     end
     
     % 交叉操作
     r = randi([1,D],1,1);
     for n = 1:D
         cr = rand(1);
         if(cr<=CR)|(n==r)
             u(n,:)=v(n,:);
         else
             u(n,:)=x(n,:);
         end
     end
     
     % 边界条件的处理
     for  n=1:D
         for m=1:NP
             if ( u(n,m)<Xx ) | (u(n,m) > Xs)
                 u(n,m)=rand*(Xs-Xx)+Xx;
             end
         end
     end
     
     % 选择操作
     for m=1:NP
         Ob1(m)=func1(u(:,m));
     end
     for m=1:NP
         if Ob1(m)<Ob(m)
             x(:,m)=u(:,m);
         end
     end
     for m =1:NP
         Ob(m) = func1(x(:,m));
     end
     trace(gen+1)=min(Ob);
     if min(Ob(m))<yz
         break
     end
end

[SortOb,Index] = sort(Ob);
x= x(:,Index);
X = x(:,1);
Y = min(Ob);

%% 画图
figure
plot(trace);
xlabel('迭代次数')
ylabel('目标函数值')
title('DE目标函数值')


%%
%X = randi(imax) 返回一个介于 1 和 imax 之间的伪随机整数标量。
%X = randi(imax,n) 返回 n×n 矩阵，其中包含从区间 [1,imax] 的均匀离散分布中得到的伪随机整数。

     

%% 适应度函数
function result = func1(x)
summ=sum(x.^2);
result = summ;

4、结果展示