matlab-的遺傳算法實(shí)例-在線瀏覽
2024-09-14 22:52本頁面
【正文】 是決定哪些個(gè)體可以進(jìn)入下一代。% 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)。 %單個(gè)個(gè)體被選擇的概率fitvalue=cumsum(fitvalue)。ms=sort(rand(px,1))。newin=1。newin=newin+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。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。%遺傳算法子程序%Name: %交叉function [newpop]=crossover(pop,pc)[px,py]=size(pop)。for i=1:2:px1if(randpc)cpoint=round(rand*py)。newpop(i+1,:)=[pop(i+1,1:cpoint),pop(i,cpoint+1:py)]。newpop(i+1,:)=pop(i+1)。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?”。%遺傳算法子程序%Name: %變異function [newpop]=mutation(pop,pm)[px,py]=size(pop)。for i=1:pxif(randpm)mpoint=round(rand*py)。endnewpop(i)=pop(i)。elsenewpop(i,mpoint)=0。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)。bestfit=fitvalue(1)。bestfit=fitvalue(i)。 %群體大小chromlength=10。 %交叉概率pm=。 %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)算群體中每個(gè)個(gè)體的適應(yīng)度[newpop]=selection(pop,fitvalue)。 %交叉[newpop]=mutation(pop,pc)。 %求出群體中適應(yīng)值最大的個(gè)體及其適應(yīng)值y(i)=max(bestfit)。pop5=bestindividual。pop=newpop。10*sin(5*x)+7*cos(4*x)39。r*39。 %計(jì)算最大值及
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1