遗传算法程序

function ret=Mutation(pmutation,lenchrom,chrom,sizepop,pop,bound)

% 本函数完成变异操作

% pcorss input : 变异概率

% lenchrom input : 染色体长度

% chrom input : 染色体群

% sizepop input : 种群规模

% pop input : 当前种群的进化代数和最大的进化代数信息

% ret output : 变异后的染色体

for i=1:sizepop

% 随机选择一个染色体进行变异

pick=rand;

while pick==0

pick=rand;

end

index=ceil(pick*sizepop);

% 变异概率决定该轮循环是否进行变异

pick=rand;

if pick>pmutation

continue;

end

flag=0;

while flag==0

% 变异位置

pick=rand;

while pick==0

pick=rand;

end

pos=ceil(pick*sum(lenchrom)); %随机选择了染色体变异的位置，即选择了第pos个变量进行变异

v=chrom(i,pos);

v1=v-bound(pos,1);

v2=bound(pos,2)-v;

pick=rand; %变异开始

if pick>0.5

delta=v2*(1-pick^((1-pop(1)/pop(2))^2));

chrom(i,pos)=v+delta;

else

delta=v1*(1-pick^((1-pop(1)/pop(2))^2));

chrom(i,pos)=v-delta;

end %变异结束

flag=test(lenchrom,bound,chrom(i,:)); %检验染色体的可行性

end

end

ret=chrom;

Ga优化pso

%% GA 优化 PSO

%% 清空环境

clc;

clear

close all

%% 参数初始化

lenchrom=7; %字符串长度（个体长度），染色体编码长度

pc=0.7; %设置交叉概率，本例中交叉概率是定值，若想设置变化的交叉概率可用表达式表示，或从写一个交叉概率函数，例如用神经网络训练得到的值作为交叉概率

pm=0.3; %设置变异概率，同理也可设置为变化的

%粒子群算法中的两个参数

c1 = 1.49445;

c2 = 1.49445;

maxgen=20; % 进化次数

popsize=30; %种群规模

%粒子更新速度

Vmax=1;

Vmin=-1;

%种群

popmax=50;

popmin=-50;

% 变量取值范围

bound=[popmin popmax;popmin popmax;popmin popmax;popmin

popmax;popmin popmax;popmin popmax;popmin popmax]; %变量范围

% 优化粒子数目

par_num=7;

%% 产生初始粒子和速度

for i=1:popsize

%随机产生一个种群

pop(i,:)=popmax*rands(1,par_num); %初始种群

V(i,:)=rands(1,par_num); %初始化速度

%计算适应度

fitness(i)=fun(pop(i,:)); %染色体的适应度

end

%找最好的染色体

[bestfitness bestindex]=min(fitness);

zbest=pop(bestindex,:); %全局最佳

gbest=pop; %个体最佳

fitnessgbest=fitness; %个体最佳适应度值

fitnesszbest=bestfitness; %全局最佳适应度值

%% 迭代寻优

for i=1:maxgen

i

for j=1:popsize

%速度更新 PSO选择更新

V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:));

V(j,find(V(j,:)>Vmax))=Vmax;

V(j,find(V(j,:)%种群更新 PSO选择更新

pop(j,:)=pop(j,:)+0.5*V(j,:);

pop(j,find(pop(j,:)>popmax))=popmax;

pop(j,find(pop(j,:)% 交叉操作 GA

GApop=Cross(pc,lenchrom,pop,popsize,bound);

% 变异操作 GA变异

GApop=Mutation(pm,lenchrom,GApop,popsize,[i maxgen],bound);

pop=GApop; % GA pop --> PSO pop

% 适应度值 --> 约束条件

if

0.072*pop(j,1)+0.063*pop(j,2)+0.057*pop(j,3)+0.05*pop(j,4)+0.032*pop(j,5)+0.0442*pop(j,6)+0.0675*pop(j,7)<=264.4

if

128*pop(j,1)+78.1*pop(j,2)+64.1*pop(j,3)+43*pop(j,4)+58.1*pop(j,5)+36.9*pop(j,6)+50.5*pop(j,7)<=69719

fitness(j)=fun(pop(j,:));

end

end

%个体最优更新

if fitness(j) < fitnessgbest(j)

gbest(j,:) = pop(j,:);

fitnessgbest(j) = fitness(j);

end

%群体最优更新

if fitness(j) < fitnesszbest

zbest = pop(j,:);

fitnesszbest = fitness(j);

end

end

yy(i)=fitnesszbest;

end

%% 结果

disp '*************best particle number****************'

zbest

%%

plot(yy,'linewidth',2);

grid on

title(['适应度曲线 ' '终止代数＝' num2str(maxgen)]);

xlabel('进化代数');ylabel('适应度');