上傳人：y***

認(rèn)證信息

認(rèn)證類型：個人認(rèn)證

認(rèn)證主體：劉**（實名認(rèn)證）

IP屬地：天津

IP屬地：天津 上傳時間：2022-01-24 格式：DOC 頁數(shù)：6 大?。?0KB 積分：15 舉報 版權(quán)申訴

1、%將二進(jìn)制編碼轉(zhuǎn)換成十進(jìn)制function pop 2=decodechrom(pop,spo int,length) pop1=pop (:,s po int:s po int+length-1);pop 2=decodebinary (pop 1);3、計算目標(biāo)函數(shù)值calobjvalue.m函數(shù)的功能是實現(xiàn)目標(biāo)函數(shù)的計算, 改。遺傳算法的程序?qū)嵗?如求下列函數(shù)的最大值xe0,10f（x）=10*sin（5x）+7*cos（4x）一、初始化（編碼）init pop.m函數(shù)的功能是實現(xiàn)群體的初始化，pop size表示群體的大小，chromlength表示染色體的長度（二值數(shù)的長度），長度大

2、小取決于變量的二進(jìn)制編碼的長度（在本例中取10位）。代碼：%Name: init pop.m%初始化function pop=init pop(pop size,chromlength)pop=round(rand( pop size,chromlength);% rand隨機(jī)產(chǎn)生每個單元為0,1行數(shù)為pop size，列數(shù)為chromlength的矩陣,% roud對矩陣的每個單元進(jìn)行圓整。這樣產(chǎn)生的初始種群。二、計算目標(biāo)函數(shù)值1、將二進(jìn)制數(shù)轉(zhuǎn)化為十進(jìn)制數(shù)代碼：%Name: decodebinary.m%產(chǎn)生2n 2A(n-1) . 1function pop 2=decodebinary

3、(pop)的行向量，然后求和，將二進(jìn)制轉(zhuǎn)化為十進(jìn)制p x, py=size (p o p);for i=1: pypop 1(:,i)=2.A( py-1).* pop (:,i);求pop行和例數(shù)p y=py -1;endpop 2=su m(pop 1,2);求pop1的每行之和2、將二進(jìn)制編碼轉(zhuǎn)化為十進(jìn)制數(shù)（2）decodechrom.m函數(shù)的功能是將染色體（或二進(jìn)制編碼）轉(zhuǎn)換為十進(jìn)制，參數(shù)spoint的起始位置。（對于多個變量而言，如有兩個變量， 開始，另一個變量從11開始。本例為1），參數(shù) 代碼：%Name: decodechrom.m采用20為表示，每個變量101ength表示所截

4、取的長度（本例為表示待解碼的二進(jìn)制串為，則第一個變量從110)。其公式采用本文示例仿真，可根據(jù)不同優(yōu)化問題予以修代碼:%Name: calobjvalue.m %實現(xiàn)目標(biāo)函數(shù)的計算function objvalue=calobjvalue (pop)temp 1=decodechro m(pop ,1,10);%將pop每行轉(zhuǎn)化成十進(jìn)制數(shù)x=te mp 1*10/1023;objvalue=10*sin(5*x)+7*cos(4*x);%三、計算個體的適應(yīng)值將二值域中的數(shù)轉(zhuǎn)化為變量域的數(shù)計算目標(biāo)函數(shù)值代碼:%Name:calfitvalue.m%計算個體的適應(yīng)值function fitvalu

5、e=calfitvalue(objvalue) global Cmin;Cmin=0;px,p y=size(objvalue);for i=1: pxif objvalue(i)+Cmin0temp=Cmin+objvalue(i);elsetemp=0.0;endfitvalue(i)=te mp;end fitvalue=fitvalue;四選擇復(fù)制選擇或復(fù)制操作是決定哪些個體可以進(jìn)入下一代。程序中采用賭輪盤選擇法選擇，這種方法較易實現(xiàn)。根據(jù)方程Pi=fi/Efi=fi/fsum，選擇步驟：在第t代，由(1)式計算fsum和pi產(chǎn)生0,1的隨機(jī)數(shù)rand(.)，求s=rand( .)*f

6、sum求刀fi中最小的k，則第k個個體被選中進(jìn)行N次2)、3)操作，得到N個個體，成為第t=t+1%Name: selection.m%選擇復(fù)制function new pop=selectio n(pop ,fitvalue)p x, py=size( pop);newin=1; %同理while newin v=pxif(ms(newin)vfitvalue(fitin) %ms(newin)數(shù)值，同理fitvalue(fitin)new pop( newin,:)=pop( fitin,:);%表示的是ms賦值，即將舊種群中 的第fitin列向量中第newin位個個體保留到下一代代種群4

7、)代碼:totalfit=sum(fitvalue);%求適應(yīng)值之和fitvalue=fitvalue/totalfit;%單個個體被選擇的概率fitvalue=cumsum(fitvalue);3 6 10%累積概率，女n fitvalue=12 3 4，貝Ll cumsum(fitvalue)=1ms=sort(rand( px,1);方法，由小到大排列%從小到大排列,將rand(px,1)產(chǎn)生的一列隨機(jī)數(shù)變成輪盤賭形式的表示fitin=1; %fivalue個體的單個個體被選擇的概率是一向量，fitin代表向量中元素位,即fitvalue(fitin)代表第fitin個chromleng

8、th=10;%字符串長度（個體長度）(new pop) newin=newin+1;elsefitin=fitin+1;end end五2.5交叉交叉(crossover)，群體中的每個個體之間都以一定的概率pc交叉，即兩個個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個父代個體x1,x2為:x1=0100110 x2=1010001從每個個體的第3位開始交叉，交又后得到2個新的子代個體y1,y2分別為:y1=0100001 y2=1010110這樣2個子代個體就分別具有了2個父代個體的某些特征。利用交又我們有可能由父代個體在子代組

9、合成具有更高適合度的個體。事實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。代碼:%Name: crossover.m%交叉function new pop=crossover_multiv (pop,pc) global Numv p x, py=size( pop);m=p y/Numv;for j=1:Numvpop 1=ones (p x,m);pop2=pop(:,m*(j-1)+1:m*j);%for i=1:2: px-1取出相應(yīng)變量對應(yīng)的二進(jìn)制編碼段if(rand vpc)cpo int=round(rand*(m-1); %cpo intpop 1(i,:)=pop

10、2(i,1:c po int) pop 2(i+1,c po int+1:m);pop 1(i+1,:)=pop 2(i+1,1:c po int) pop 2(i,c po int+1:m);為交叉點(diǎn)elsepop 1(i,:)=pop 2(i,1:m);pop 1(i+1,:)=pop 2(i+1,1:m);endendn ewpop(:,m*(j-1)+1:m*j)=pop1;中將交叉后的一個參數(shù)的編碼放入新種群end六、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個體的每一位都以概率pm翻轉(zhuǎn)，即由“變?yōu)椤?”或由“(變?yōu)椤?”遺傳算法的變異特

11、性可以使求解過程隨機(jī)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。代碼:%Name: mutation.m%變異function new pop=mutatio n(pop,pm) p x, py=size( pop);new pop=ones(size (pop);for i=1: pxif(randbestfitbestindividual=pop (i,:);bestfit=fitvalue(i);end end八、主程序 代碼:%Name:genmain05.mclear clfpop size=20;群體大小chromlength=10;%字符串長度（個體長度）n

12、ew pop=crossover( pop,p c);new pop=mutatio n(pop,p c);bestindividual,bestfit=best( pop ,fitvalue);%y(i)=max(bestfit);求出群體中適應(yīng)值最大的個體及其適應(yīng)值n(i)=i;pop 5=bestindividual;x(i)=decodechrom( pop 5,1,chromlength)*10/1023;pop=new pop;end fplot(10*sin(5*x)+7*cos(4*x) ,0 10) hold on plot(x,y,r*) hold offpc=0.6;pm=0.0