课本遗传算法

遗传算法：

function[xv,fv]=GA(fitness,a,b,NP,NG,pc,pm,eps)

%待优化的目标函数:fitness

%自变量下界:a

%自变量上界:b

%种群个体数:NP

%最大进化代数:NG

%杂交概率:pc

%自变量概率:pm

%自变量离散精度:eps

%目标函数取最小值时的自变量值：xm

%目标函数的最小值:fv

L=ceil(log2((b-a)/eps+1)); %根据离散精度，确定二进制编码需要的码长x=zeros(NP,L);

for i=1:NP

x(i,:)=Initial(L);%种群初始化

fx(i)=fitness(Dec(a,b,x(i,:),L)); %个体适应值

end

for k=1:NG

sumfx=sum(fx); %所有个体适应值之和

px=fx/sumfx; %所有个体适应值的平均值

ppx=0;

ppx(1)=px(1);

for i=2:NP %用于轮盘赌策略的累加

ppx(i)=ppx(i-1)+px(i);

end

for i=1:NP

sita=rand();

for n=1:NP

if sita<=ppx(n)

SelFather=n; %根据轮盘赌策略确定的父亲

break;

end

end

Selmother=floor(rand()*(NP-1))+1; %随机选择母亲

posCut=floor(rand()*(L-2))+1; %随机选择交叉点

r1=rand();

if r1<=pc %交叉

nx(i,1:posCut)=x(SelFather,1:posCut);

nx(i,(posCut+1):L)=x(Selmother,(posCut+1):L);

r2=rand();

if r2<=pm %变异

posMut=round(rand()*(L-1)+1);

nx(i,posMut)=~nx(i,posMut);

end

else

nx(i,:)=x(SelFather,:);

end

end

x=nx;

for i=1:NP

fx(i)=fitness(Dec(a,b,x(i,:),L));%子代适应值

end

end

fv=-inf;

for i=1:NP

fitx=fitness(Dec(a,b,x(i,:),L));

if fitx>fv

fv=fitx; %取个体中的最好值作为最终结果

xv=Dec(a,b,x(i,:),L);

end

end

function result=Initial(length) %初始化函数

for i=1:length

r=rand();

result(i)=round(r);

end

function y=Dec(a,b,x,L) %二进制编码转换为十进制编码base=2.^((L-1):-1:0);

y=dot(base,x);

y=a+y*(b-a)/(2^L-1);

再简历目标函数；

输入命令[xv,fv]=myGA(…..)