优化算法_遗传算法

Ylisar · 发表于 2022-7-31 12:09

遗传算法定义可以参考百度百科资料遗传算法_百度百科，具体步骤如图所示：

此案例主要是使用matlab进行遗传算法简单案例编写，其中选择操作使用“锦标赛选择法”，交叉操作使用“单点交叉法”，变异操作使用“单点变异法”。
源码下载路径：链接：https://pan.baidu.com/s/1ITu5imiXSLg2YJLc5-6fvA?pwd=1234 提取码：1234
具体代码如下：

计算适应度fun()函数：

function y=fun(x)
y=sum(x);
end
锦标赛选择法selectPop()函数：

function p=selectPop(Parent)

%锦标赛选择法
n=numel(Parent);
index=randperm(n);
p1=Parent(index(1));
p2=Parent(index(2));
if p1.y<=p2.y
      p=p1;
else
      p=p2;
end
end
单点交叉法crossPop()函数：

function [y1,y2]=crossPop(x1,x2)

%单点交叉
n=numel(x1);
s=randi([1,n-1]); %交换点位置

y1=[x1(1:s) x2(s+1:end)];
y2=[x2(1:s) x1(s+1:end)];

end
单点变异法mutatePop()函数：

function p=mutatePop(x,mu)

%单点变异
if rand<=mu
      n=numel(x);
      s=randi([1,n]); %变异点
      %将0变为1，将1变为0
      if x(s)==0
         x(s)=1;
      else
         x(s)=0;
      end
end

p=x;

end
运行文件main.m:

clc;clear

nVar=100;

%初始化种群
nPop=30;
maxIt=2000;  %最大迭代次数
nPc=0.8; %交叉比例
nC=round(nPop*nPc/2)*2; %子代规模大小
nMu=0.01; %变异概率

template.x=[];
template.y=[];

Parent=repmat(template,nPop,1);

for i=1:nPop

Parent(i).x=randi([0,1],1,nVar);
Parent(i).y=fun(Parent(i).x); %计算适应度值y

end

for It=1:maxIt
%定义子代数据存放模板
Offspring=repmat(template,nC/2,2);
%生成子代种群
for j=1:nC/2
      p1=selectPop(Parent);
      p2=selectPop(Parent);

      [Offspring(j,1).x,Offspring(j,2).x]=crossPop(p1.x,p2.x);
end
Offspring=Offspring(:); %转置

for k=1:nC

      Offspring(k).x=mutatePop(Offspring(k).x,nMu);
      Offspring(k).y=fun(Offspring(k).x);
end

%种群筛选
newPop=[Parent;Offspring];
[~,so]=sort([newPop.y],&#39;ascend&#39;);
newPop=newPop(so);
Parent=newPop(1:nPop);

disp([&#39;迭代次数：&#39;,num2str(It),&#39;,最小值为：&#39;,num2str(Parent(1).y)]);

end

		自动登录	找回密码
密码			立即注册

优化算法_遗传算法

本帖子中包含更多资源