基于遺傳算法的iir數(shù)字濾波器的設(shè)計(jì)與仿真-資料下載頁
2025-06-24 15:52本頁面
【正文】 p2*10/1023。temp3=decodechrom(pop,1,10)。 x3=temp3*10/1023。temp4=decodechrom(pop,1,10)。 x4=temp4*10/1023objvalue=impz(x1,x2,x3,x4)。 %計(jì)算目標(biāo)函數(shù)值% 計(jì)算個(gè)體的適應(yīng)值%遺傳算法子程序%Name:%計(jì)算個(gè)體的適應(yīng)值function fitvalue=calfitvalue(objvalue)global Cmin。Cmin=0。[px,py]=size(objvalue)。for i=1:pxif objvalue(i)+Cmin0temp=Cmin+objvalue(i)。elsetemp=。endfitvalue(i)=temp。endfitvalue=fitvalue39。% 選擇復(fù)制% 選擇或復(fù)制操作是決定哪些個(gè)體可以進(jìn)入下一代。程序中采用賭輪盤選擇法選擇，這種方法較易實(shí)現(xiàn)。% 根據(jù)方程 pi=fi/∑fi=fi/fsum ，選擇步驟：% 1） 在第 t 代，由（1）式計(jì)算 fsum 和 pi % 2） 產(chǎn)生 {0,1} 的隨機(jī)數(shù) rand( .)，求 s=rand( .)*fsum% 3） 求 ∑fi≥s 中最小的 k ，則第 k 個(gè)個(gè)體被選中% 4） 進(jìn)行 N 次2）、3）操作，得到 N 個(gè)個(gè)體，成為第 t=t+1 代種群%遺傳算法子程序%Name: %選擇復(fù)制function [newpop]=selection(pop,fitvalue)totalfit=sum(fitvalue)。 %求適應(yīng)值之和fitvalue=fitvalue/totalfit。 %單個(gè)個(gè)體被選擇的概率fitvalue=cumsum(fitvalue)。 %如 fitvalue=[1 2 3 4]，則 cumsum(fitvalue)=[1 3 6 10] [px,py]=size(pop)。ms=sort(rand(px,1))。 %從小到大排列fitin=1。newin=1。while newin=pxif(ms(newin))fitvalue(fitin)newpop(newin)=pop(fitin)。newin=newin+1。elsefitin=fitin+1。endend%交叉% 交叉(crossover)，群體中的每個(gè)個(gè)體之間都以一定的概率 pc 交叉，即兩個(gè)個(gè)體從各自字符串的某一位置% （一般是隨機(jī)確定）開始互相交換，這類似生物進(jìn)化過程中的基因分裂與重組。例如，假設(shè)2個(gè)父代個(gè)體x1，x2為：% x1=0100110% x2=1010001% 從每個(gè)個(gè)體的第3位開始交叉，交又后得到2個(gè)新的子代個(gè)體y1，y2分別為：% y1＝0100001% y2＝1010110% 這樣2個(gè)子代個(gè)體就分別具有了2個(gè)父代個(gè)體的某些特征。利用交又我們有可能由父代個(gè)體在子代組合成具有更高適合度的個(gè)體。% 事實(shí)上交又是遺傳算法區(qū)別于其它傳統(tǒng)優(yōu)化方法的主要特點(diǎn)之一。%遺傳算法子程序%Name: %交叉function [newpop]=crossover(pop,pc)[px,py]=size(pop)。newpop=ones(size(pop))。for i=1:2:px1if(randpc)cpoint=round(rand*py)。newpop(i,:)=[pop(i,1:cpoint),pop(i+1,cpoint+1:py)]。newpop(i+1,:)=[pop(i+1,1:cpoint),pop(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(jìn)化過程中。變異是指父代中的每個(gè)個(gè)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(jī)地搜索到解可能存在的整個(gè)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(gè)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)。endendII主程序%基于遺傳算法的理想低通數(shù)字濾波器的主程序%Name:popsize=100。 %群體大小chromlength=80。 %字符串長度（個(gè)體長度）pc=。 %交叉概率pm=。 %變異概率pop=initpop(popsize,chromlength)。 %隨機(jī)產(chǎn)生初始群體for i=1:20 %20為迭代次數(shù)[objvalue]=calobjvalue(pop)。 %計(jì)算目標(biāo)函數(shù)fitvalue=calfitvalue(objvalue)。 %計(jì)算群體中每個(gè)個(gè)體的適應(yīng)度[newpop]=selection(pop,fitvalue)。 %復(fù)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(gè)體及其適應(yīng)值y(i)=min(bestfit)。n(i)=i。pop5=bestindividual。x(i)=decodechrom(pop5,1,chromlength)*10/1023。pop=newpop。endfplot(39。頻譜特性39。,[0 10])hold onplot(x,y,39。r*39。)hold off29
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1