GA_SA.基于matlab的模拟退火-遗传算法程序

clc clear % 参数定义 maxgen=4000; % 进化代数，即迭代次数 sizepop=100; % 种群规模 fselect='roulette'; % 染色体的选择方法，您可以选择：锦标赛法－ 'tournament';轮盘赌法－'roulette' fcode='float'; % 编码方法，您可以选择：浮点法－'float';grey法则－－'grey';二进制法－'binary' pcross=[0.7]; % 交叉概率选择，0和1之间 fcross='float'; % 交叉方法选择，您可以选择： 浮点交叉－'float';单点交叉－'simple';均匀交叉－'uniform' pmutation=[0.05]; % 变异概率选择，0和1之间 fmutation='float'; % 变异方法选择，您可以选择：浮点法－'float';单点法－'simple'; N=10; %维数 lenchrom=rep([1],[1,N]); % 每个变量的字串长度，如果是浮点变量，则长度都为1 %lenchorm=300; bound=rep([-600,600],[N,1]); % 变量取值范围 BEST=[]; %存放最优解 XX=[]; %记录多次实验最优解对应的x值 FN=[]; %记录每次实验的计算次数 % 目标函数(本算法以目标函数值为适应度) %x=1:1:N; %AimFunc(x); for M=1:1:100 % 随机产生一个种群 nn=0; x=[]; for i=1:sizepop individuals.chrom(i,:)=Code(lenchrom,fcode,bound); % 编码（binary和grey的编码结果为一个实数，float的编码结果为一个实数向量） x=Decode(lenchrom,bound,individuals.chrom(i,:),fcode); % 解码（binary和grey的解码结果为一个二进制串，float的解码结果为一个实数向量） % 计算适应度 % 修改处 % individuals.fitness(i)=AimFunc(x,heli,id_data,0); individuals.fitness(i)=AimFunc11(x); % 染色体的适应度 nn=nn+1; % FN=[FN;nn]; %将所有的函数值放在一个矩阵中 end % 找最好的染色体 [bestfitness, bestindex]=min(individuals.fitness); bestchrom=individuals.chrom(bestindex,:); % 最好的染色体 avgfitness=sum(individuals.fitness)/sizepop; % 染色体的平均适应度 % 记录每一代进化中最好的适应度和平均适应度 trace=[avgfitness bestfitness]; % 设置模拟退火算法参数 T=100; % 初始温度 a=0.98; % 温度降低参数 kkk=1; % 记录模拟退火次数 % 进化开始 for i=1:maxgen % 选择 individuals=Select(individuals,sizepop,fselect); avgfitness=sum(individuals.fitness)/sizepop; % 交叉 [ret1,ret2]=Cross(pcross,lenchrom,individuals.chrom,sizepop,fcross,[i maxgen],fcode,bound,individuals.fitness,bestfitness,avgfitness,nn); individuals.chrom=ret1; nn=ret2; % 变异 [ret1,ret2]=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,fmutation,[i maxgen],fcode,bound,individuals.fitness,bestfitness,avgfitness,nn); individuals.chrom=ret1; nn=ret2; % 计算适应度 for j=1:sizepop x=Decode(lenchrom,bound,individuals.chrom(j,:),fcode); %解码 % 修改处 individuals.fitness(j)=AimFunc11(x); nn=nn+1; end % 找到最小和最大适应度的染色体及它们在种群中的位置 [newbestfitness,newbestindex]=min(individuals.fitness); [worestfitness,worestindex]=max(individuals.fitness); % 代替上一次进化中最好的染色体 if bestfitness>newbestfitness bestfitness=newbestfitness; bestchrom=individuals.chrom(newbestindex,:); else bh=bestfitness-newbestfitness; cc(kkk)=bh/T; aa(kkk)=exp(bh/T); if exp(1000*bh/T)>rand kkk=kkk+1; bestfitness=newbestfitness; bestchrom=individuals.chrom(newbestindex,:); end end T=T*a; %温度降低 individuals.chrom(worestindex,:)=bestchrom; individuals.fitness(worestindex)=bestfitness; avgfitness=sum(individuals.fitness)/sizepop; % 记录每一代进化中最好的适应度和平均适应度 trace=[trace;avgfitness bestfitness]; x=Decode(lenchrom,bound,bestchrom,fcode); end BEST=[BEST;bestfitness]; FN=[FN;nn]; XX=[XX;x]; end % 画出适应度曲线 hfig=findobj('Tag','trace'); % See if it is open if ishandle(hfig) figure(hfig); else hfig=figure('Tag','trace'); end figure(hfig); [r c]=size(trace); plot([1:r]',trace(:,1),'r-',[1:r]',trace(:,2),'b--'); title(['适应度曲线 ' '终止代数＝' num2str(maxgen)]); xlabel('进化代数');ylabel('适应度'); legend('平均适应度','最佳适应度'); % axis([1 r 0 1]) %disp('适应度 变量'); %x=Decode(lenchrom,bound,bestchrom,fcode); % 窗口显示 %disp([bestfitness x]); disp('最优解集合'); BEST disp('实验次数集合'); FN disp('最优解对应的x的矩阵'); XX Final=[BEST FN XX]; %disp('组合') %Final xlswrite('fitness11(10维)',Final);