1、函数最值问题：F=X 2+Y2-Z2,clearclc%初始化pc=0.9; %交叉概率 pm=0.05; %变异概率popsize=500;chromlength1=21;chromlength2=23;chromlength3=20;chromlength=chromlength1+chromlength2+chromlength3;pop=initpop(popsize,chromlength);% 产生初始种群for i=1:500objvalue=calobjvalue(pop); %计算目标函数值fitvalue=calfitvalue(objvalue);%计算个体适应度newp
2、op=selection(pop,fitvalue);%选择newpop1=crossover(newpop,pc) ; %交叉newpop2=mutation(newpop1,pm) ;%变异 newobjvalue=newcalobjvalue(newpop2); %计算最新代目标函数值newfitvalue=newcalfitvalue(newobjvalue); % 计 算 新 种 群适应度值 bestindividual,bestfit=best(newpop2,newfitvalue); %求出群体中适应值最大的个体及其适应值y(i)=max(bestfit); %储存最优个体适应
3、值pop5=bestindividual; %储存最优个体n(i)=i; %记录最优代位置%解码x1(i)=0+decodechrom(pop5,1,21)*2/(pow2(21)-1);x2(i)=decodechrom(pop5,22,23)*6/(pow2(23)-1)-1;x3(i)=decodechrom(pop5,45,20)*1/(pow2(20)-1); pop=newpop2;end%绘图figure(1)%最优点变化趋势图i=1:500;plot(y(i),-b*)xlabel(迭代次数);ylabel(最优个体适应值);title(最优点变化趋势);legend(最优点)
4、;grid onz index=max(y); %计算最大值及其位置 PO=n(index) %最优个体的位置X=x1(index) Y=x2(index)Z=x3(index) F=zfunction bestindividual,bestfit=best(newpop2,newfitvalue)% 求出群体中最大得适应值及其个体%遗传算法子程序%Name: best.mpx,py=size(newpop2);bestindividual=newpop2(1,:);bestfit=newfitvalue(1);for i=2:pxif newfitvalue(i)bestfitbestind
5、ividual=newpop2(i,:);bestfit=newfitvalue(i);endendfunction fitvalue=calfitvalue(objvalue)% 计算个体的适应值%遗传算法子程序%Name:calfitvalue.mfitvalue=objvalue;function objvalue=calobjvalue(pop)% 计算目标函数值%遗传算法子程序%Name: calobjvalue.mtemp1=decodechrom(pop,1,21); %将 pop 每行转化成十进制数 相当于 Xtemp2=decodechrom(pop,22,23);temp3
6、=decodechrom(pop,45,20);x1=temp1*2/(pow2(21)-1); %将二值域 中的数转化为变量域 的数 相当于十进制的 Xx2=temp2*6/(pow2(23)-1)-1;x3=temp3*1/(pow2(20)-1);objvalue=x1.2+x2.2-x3.2; %计算目标函数值function newpop1=crossover(newpop,pc)%交叉%遗传算法子程序%Name: crossover.mpx,py=size(newpop);newpop1=zeros(size(newpop);for i=1:2:px-1po=rand(1);if poms(newin)newpop(newin,:)=pop(fitin,:); newin=newin+1; else fitin=fitin+1; end end
