matlab-的遺傳算法實例(編輯修改稿)
2024-08-31 22:52 本頁面
【文章內(nèi)容簡介】 p(i,cpoint+1:py)]。elsenewpop(i,:)=pop(i)。newpop(i+1,:)=pop(i+1)。endend% 變異% 變異(mutation)，基因的突變普遍存在于生物的進化過程中。變異是指父代中的每個個體的每一位都以概率 pm 翻轉(zhuǎn)，即由“1”變?yōu)椤?”，% 或由“0”變?yōu)椤?”。遺傳算法的變異特性可以使求解過程隨機地搜索到解可能存在的整個空間，因此可以在一定程度上求得全局最優(yōu)解。%遺傳算法子程序%Name: %變異function [newpop]=mutation(pop,pm)[px,py]=size(pop)。newpop=ones(size(pop))。for i=1:pxif(randpm)mpoint=round(rand*py)。if mpoint=0mpoint=1。endnewpop(i)=pop(i)。if any(newpop(i,mpoint))==0newpop(i,mpoint)=1。elsenewpop(i,mpoint)=0。endelsenewpop(i)=pop(i)。endend% 求出群體中最大得適應(yīng)值及其個體%遺傳算法子程序%Name: %求出群體中適應(yīng)值最大的值function [bestindividual,bestfit]=best(pop,fitvalue)[px,py]=size(pop)。bestindividual=pop(1,:)。bestfit=fitvalue(1)。for i=2:pxif fitvalue(i)bestfitbestindividual=pop(i,:)。bestfit=fitvalue(i)。endend% 主程序%遺傳算法主程序%Name:clearclfpopsize=20。 %群體大小chromlength=10。 %字符串長度（個體長度）pc=。 %交叉概率pm=。 %變異概率pop=initpop(popsize,chromlength)。 %隨機產(chǎn)生初始群體for i=1:20 %20為迭代次數(shù)[objvalue]=calobjvalue(pop)。 %計算目標函數(shù)fitvalue=calfitvalue(objvalue)。 %計算群體中每個個體的適應(yīng)度[newpop]=selection(pop,fitvalue)。 %復制[newpop]=crossover(pop,pc)。 %交叉[newpop]=mutation(pop,pc)。 %變異[bestindividual,bestfit]=best(pop,fitvalue)。 %求出群體中適應(yīng)值最大的個體及其適應(yīng)值y(i)=max(bestfit)。n(i)=i。pop5=bestindividual。x(i)=decodechrom(pop5,1,chromlength)*10/1023。pop=newpop。endfplot(39。10*sin(5*x)+7*cos(4*x)39。,[0 10])hold onplot(x,y,39。r*39。)hold
研究報告相關(guān)推薦
鄂ICP備17016276號-1