遗传算法仿真实验

《遗传算法仿真实验》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、遗传算法仿真实验遗传算法是建立在自然选择和自然遗传学机理基础上的迭代自适应概率性搜索，一般由初始化、选择、交叉、突然变异四部分组成；它的一个重要应用就是数值优化。一、实验目的：1、了解用于数值优化的遗传算法的原理2、用matlab语言编程实现遗传算法二．实验任务：计算以下一元函数的最大值并按上例所示画出适应度函数图：1、f(x)=x^2+4x+6，x∈[1,5]要求解精确到6位小数2、f(x)=xsin(10πx)+2，x∈[-1,2]要求解精确到6位小数三．实验过程1）f(x)=x^2+4x+6，x∈[1,5]接下来用matlab语言编

2、程实现该遗传算法：function[Max_Value,x]=one(umin,umax)%运行参数Size=80;G=100;CodeL=22;E=round(rand(Size,CodeL));%产生80个离散点的二进制编码解码%主程序fork=1:1:Gtime(k)=k;fors=1:1:Sizem=E(s,:);y=0;fori=1:1:CodeLy=y+m(i)*2^(i-1);endx=(umax-umin)*y/4194303+umin;F(s)=myfunction_one(x);%调用myfunction_one函数产

3、生每个离散点的适应度endJi=1./F;%注意这里是点乘BestJ(k)=min(Ji);%每步最优的目标函数fi=F;%定义适应度函数[Oderfi,Indexfi]=sort(fi);%将80个个体的适应度从小到大排序Bestfi=Oderfi(Size);BestS=E(Indexfi(Size),:);bfi(k)=Bestfi;%每步最优的适应度fi_sum=sum(fi);fi_Size=(Oderfi/fi_sum)*Size;fi_S=floor(fi_Size);kk=1;fori=1:1:Size%选择并复制个体fo

4、rj=1:1:fi_S(i)TempE(kk,:)=E(Indexfi(i),:);kk=kk+1;endendpc=0.25;n=ceil(22*rand);%随机产生交叉的位fori=1:2:(Size-1)temp=rand;ifpc>temp%满足交叉条件forj=n:1:22TempE(i,j)=E(i+1,j);TempE(i+1,j)=E(i,j);endendendTempE(Size,:)=BestS;E=TempE;pm=0.01fori=1:1:Sizeforj=1:1:CodeLtemp=rand;ifpm>tem

5、pifTempE(i,j)==0TempE(i,j)=1;elseTempE(i,j)=0;endendendendTempE(Size,:)=BestS;E=TempE;end%满足变异条件Max_Value=Bestfi%输出最大值BestS%输出最大值对应的离散点的二进制编码x%输出取最大值是x的值figure(1);%画出迭代100步的适应度变化图和目标函数图plot(time,BestJ);xlabel('Times');ylabel('BestJ');figure(2);plot(time,bfi);xlabel('times

6、');ylabel('BestF');%以下是计算适应度函数的程序：functiont=myfunction_one(x)t=x^2+4x+6;将程序保存为.m文件，在命令窗口输入：one(1,5)回车，运行程序，得到结果如下：Max_Value=51.0000x=5.0000即函数在x=5.0000，处得到最大值51.0000得到适应度函数为为：1）f(x)=xsin(10πx)+2，接下来用matlab语言编程实现该遗传算法：function[Max_Value,x]=one(umin,umax)%运行参数Size=80;G=100;

7、CodeL=22;E=round(rand(Size,CodeL));%产生80个离散点的二进制编码解码%主程序fork=1:1:Gtime(k)=k;fors=1:1:Sizem=E(s,:);y=0;fori=1:1:CodeLy=y+m(i)*2^(i-1);endx=(umax-umin)*y/4194303+umin;F(s)=myfunction_one(x);%调用myfunction_one函数产生每个离散点的适应度endJi=1./F;%注意这里是点乘BestJ(k)=min(Ji);%每步最优的目标函数fi=F;%定义

8、适应度函数[Oderfi,Indexfi]=sort(fi);%将80个个体的适应度从小到大排序Bestfi=Oderfi(Size);BestS=E(Indexfi(Size),:);bfi