遗传算法的matlab初步实现

遗传算法的matlab初步实现

2018.7.20
做了7个小时，终于搞出来了一个可行的遗传算法
本遗传算法用于实现了
这比昨天的粒子群算法复杂多了。。
而且出了一大堆问题。。。
不过呢。。写完就好。。。哈哈哈

主函数部分
clear;
clc;
popsize=20;%种群大小
chromlength=10;%二进制编码长度
pc = 0.7;%交叉概率
pm = 0.005;%变异概率
pop = initpop(popsize,chromlength);%初始种群
for i = 1:2000    % 迭代次数
    [objvalue] = calobjvalue(pop);      %计算目标函数
    fitvalue = calfitvalue(objvalue);   %计算适应度值（函数值）              
    [newpop] = selection(pop,fitvalue);   % 选择操作
    [newpop] = crossover(newpop,pc);        %交叉操作
    [newpop] = mutation(newpop,pm);       %变异操作
    [bestindividual,bestfit] = best(newpop,fitvalue);      %更新种群  
    %寻找最优解
y(i)=max(bestfit);
n(i)=i;
pop5=bestindividual;
x(i)=decodechrom(pop5,1,chromlength)*10/1023;
pop=newpop;
end
 fplot(@(x)9.*sin(5.*x)+8.*cos(4.*x))
hold on
plot(x,y,'r')
hold off

function [bestindividual bestfit] = best(pop,fitvalue)
%求最优适应度函数
%输入变量：pop:种群，fitvalue:种群适应度
%输出变量：bestindividual:最佳个体，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

function fitvalue = calfitvalue(objvalue )
% 本函数用于计算个体的适应度
global Cmin;
Cmin=0;
[px,py]=size(objvalue);
for i=1:px
   if objvalue(i)+Cmin>0
      temp=Cmin+objvalue(i);
   else
      temp=0.0;
   end
fitvalue(i)=temp;
end
end

function [ objvalue ] = calobjvalue(pop)  *此目标函数是可以改动的，是我们适应度函数的一部分，中间有一步二值域转化为变量域的操作。。看不懂。。。不清楚
% 本函数用于实现目标函数的计算
% function [ objvalue ] = calobjvalue(pop)
temp1=decodechrom(pop,1,10);
x=temp1*10/1023;
objvalue=10*sin(5*x)+7*cos(4*x);
end

function [newpop ] = crossover( pop,pc )
% 本函数用于实现个体的交叉
% function [newpop ] = crossover( pop,pc )
%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
[px,py] = size(pop);
newpop = ones(size(pop));   %预分配内存
for i = 1:2:px-1   %选择奇数位个体
    if(rand<pc)    %进行交叉
        cpoint = round(rand*py);   %round towards nearest decimal or integer 选择交叉点
        newpop(i,:) = [pop(i,1:cpoint),pop(i+1,cpoint+1:py)]; %交换
        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
end

function pop2 = decodebinary( pop )
%本函数用于实现二进制数转化为二进制数
%  pop为种群矩阵
[px,py]=size(pop);
for i=1:py
pop1(:,i)=2.^(py-i).*pop(:,i);%用于实现pop1为pop的十进制数储存
end
pop2=sum(pop1,2);    %求pop1的每行之和
end

function pop2 = decodechrom( pop,spoint,length )
% 将二进制编码转化成十进制数
% function pop2 = decodechrom( pop,spoint,length )
% spoint 表示待解码的二进制串的起始位置
% length表示所截取的长度
pop1=pop(:,spoint:spoint+length-1);
pop2=decodebinary(pop1);
end

function pop = initpop( popsize,chromlength )
% 本函数用于实现遗传算法初始化
% popsize为种群的大小，也为随机矩阵的行数
% chromlength为列数，也为二进制编码
%function pop = initpop( popsize,chromlength )
pop=round(rand(popsize,chromlength));
end

function [newpop] = mutation(pop,pm)
%本函数进行变异操作
%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
[px,py] = size(pop);
newpop = ones(size(pop));
for i = 1:px
    if(rand<pm)
        mpoint = round(rand*py);
        if mpoint <= 0;
            mpoint = 1;
        end
        newpop(i,:) = pop(i,:);
        if any(newpop(i,mpoint)) == 0
            newpop(i,mpoint) = 1;
        else
            newpop(i,mpoint) = 0;
        end
    else
    newpop(i,:) = pop(i,:);
    end
end

function [ newpop ] = selection( pop,fitvalue )                            （ 最重要的主体部分）
%  本函数实现选择复制,决定哪些个体可以进入下一代
%  function [ newpop ] = selectiom( pop,fitvalue )
%  输出变量：newpop选择以后的二进制种群
totalfit=sum(fitvalue);
fitvalue=fitvalue/totalfit;  %单个个体被选择的概率
fitvalue=cumsum(fitvalue);  %如fitvalue=[1 2 3 4],cumsum(fitvalue)=[1,3,6,10]
[px,py]=size(pop);
ms=sort(rand(px,1));  %产生[0,1]随机数从小到大排列
fitin=1;
newin=1;              %newin为转动次数
while newin<=px     %（f1+...fk）>=s的最小的k，即被选中
   if(ms(newin))<fitvalue(fitin)   %选中
     newpop(newin,:)=pop(fitin,:);
     newin=newin+1;
   else                            %淘汰
     fitin=fitin+1;
   end
end

今天是7月20日，明天想进入一下Arduino的学习