进化算法程序.doc

蒀膆莅莄薁蕿螄肄进化算法作业荿蚇膄薁莀螅蚃芁蒁膈芇肂艿芆螆螂1全局优化问题芀(1)虿,膅此问题的全局最优值。(1)主函数:;腿clc;腿popsize=60;%种群规模芈chromlength=34;%二进制编码,,所以串长l为17芇pc=;%杂交概率蒄pm=;%变异概率蒂t=0;%进化代数初始为0蚇pop=initpop(popsize,chromlength);%随机产生初始种群肇whilet<500%迭代次数薆t=t+1;薀[objvalue]=calobjvalue(pop);%计算目标函数值莁fitvalue=calfitvalue(objvalue);%计算群体中每个个体的适应度螈[bestindividual,bestfit]=best(pop,fitvalue);%求出群体中适应度最大的个体及其适应度值莃x11=decodechrom(bestindividual,1,14);%将二进制数转换为十进制数羃x22=decodechrom(bestindividual,15,14);袀x1(t)=-5+10*x11/(pow2(14)-1);%将二值域中的数转换为变量域的数蒈x2(t)=-5+10*x22/(pow2(14)-1);莄y(t)=4*x1(t)^2-*x1(t)^4+1/3*x1(t)^6+x1(t)*x2(t)-4*x2(t)^2+4*x2(t)^4;%计算最佳个体的目标函数值肁[newpop1]=selection(pop,fitvalue);%选择算子芀[newpop2]=crossover(newpop1,pc);%交叉算子羅[newpop3]=mutation(newpop2,pm);%变异算子蒆objvalue1=calobjvalue(newpop3(1,:));蒃ifobjvalue1>y(t)虿newpop3(1,:)=bestindividual;%保留最佳个体螅end芃pop=newpop3;%产生新种群薂end肈y;%每代的最佳目标函数值蒅x1;%每代的最佳目标函数值对应的自变量芅x2;蚀[gy,k]=min(y)%gy为全局最优值,k为最优值对应的进化代数薈gx1=x1(k)%全局最优值对应的自变量芆gx2=x2(k)莆plot(y)%最优值收敛曲线肂title('收敛性曲线');羇xlabel('进化代数');羆ylabel('函数值');膃axis([0,500,-,]);膁蚁(2)初始种群:=initpop(popsize,chromlength)芅pop=round(rand(popsize,chromlength));%rand随机产生[0,1]区间的一个小数,rand四舍五入取整薃end肀蒇(3)计算目标函数值::[objvalue]=calobjvalue(pop)蚂temp1=decodechrom(pop,1,14);葿temp2=decodechrom(pop,15,14);膇x1=-5+(10*temp1)/(pow2(14)-1);%将二值域中的数转化为变量域中的数肃x2=-5+(10*temp2)/(pow2(14)-1);螀objvalue=4*x1.^2-*x1.^4+1/3*x1.^6+x1.*x2-4*x2.^2+4*x2.^4;%:=decodechrom(pop,spoint,length)莈pop1=pop(:,spoint:spoint+length-1);%按变量个数分组转换,spoint为起始点,length为一个变量的长度蚈temp=decodebinary(pop1);:=decodebinary(pop)羄[px,py]=size(pop);%求pop行数和列数蚃fori=1:py蒁pop1(:,i)=2.^(py-i).*pop(:,i);袅end肅temp=sum(pop1,2);%每一行求和螁end羀蚅(4)计算个体适应度:=calfitvalue(objvalue)袀fitvalue=1./(1+exp(objvalue));荿end莅袄(5)种群中最大适应度个体及其值:[bestindividual,bestfit]=best(pop,fitvalue