遗传算法Matlab源代码.docx

function[X,MaxFval,BestPop,Trace]=fga(FUN,bounds,MaxEranum,PopSize,options,pCross,pMutation,pInversion)%[X,MaxFval,BestPop,Trace]=fga(FUN,bounds,MaxEranum,PopSize,options,pCross,pMutation,pInversion)%fgasolvesproblemsoftheform:%%%% %fgasolvesproblemsoftheform: % % % % % % % % % % % % % maxF(X)XMaxFvalBestPopTraceFUNboundsMaxEranumPopSizepCrosspMutationpInversionoptionssubjectto:LB maxF(X)XMaxFvalBestPopTraceFUNboundsMaxEranumPopSizepCrosspMutationpInversionoptions -目标函数-自变量范围-种群的代数，取50--500（默认200）-每一代种群的规模；此可取50--200（默认100）-交叉概率,一般取0.5--0.85之间较好（默认0.8）-初始变异概率，一般取0.05-0.2之间较好（默认0.1）倒位概率,一般取0.05-0.3之间较好（默认0.2）-1*2矩阵,options（1）=0二进制编码（默认0）,option（1）?=0十进制编码,option（2）设定求解精度（默认1e-4）T1=clock;%检验初始参数ifnargin2,error(FMAXGArequiresatleastthreeinputarguments);endifnargin==2,MaxEranum=150;PopSize=100;options=[11e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;endifnargin==3,PopSize=100;options=[11e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;endifnargin==4,options=[11e-4];pCross=0.85;pMutation=0.1;pInversion=0.25;endifnargin==5,pCross=0.85;pMutation=0.1;pInversion=0.25;endifnargin==6,pMutation=0.1;pInversion=0.25;endifnargin==7,pInversion=0.25;endif(options(1)==0loptions(1)==1)find((bounds(:,1)-bounds(:,2))0) error(数据输入错误,请重新输入:)；end%定义全局变量globalmnNewPopchildren1children2VarNum%初始化种群和变量precision=options(2);bits=ceil(log2((bounds(:,2)-bounds(:,1))./precision));%由设定精度划分区间VarNum=size(bounds,1);[Pop]=InitPop(PopSize,bounds,bits,options);%初始化种群[m,n]=size(Pop);fit=zeros(1,m);NewPop=zeros(m,n);children1=zeros(1,n);children2=zeros(1,n);pm0=pMutation;BestPop=zeros(MaxEranum,n);%分配初始解空间BestPop,TraceTrace=zeros(1,MaxEranum); LbUb=ones(PopSize,1)*bounds(:,1);=ones(PopSize,1)*bounds(:,2);%二进制编码采用多点交叉和均匀交叉，并逐步增大均匀交叉概率%浮点编码采用离散交叉(前期)、算术交叉(中期)、AEA重组(后期)OptsCrossOver= LbUb round(unidrnd(2*(MaxEranum-[1:MaxEranum]))/MaxEranum)];%浮点编码时采用两种自适应变异和一种随机变异(自适应变异发生概率为随机变异发生的2倍)OptsMutation=[ones(1,MaxEranum)*options(1);unidrnd(5,1,MaxEranum)];ifoptions(1)==3 D=zeros(n); CityPosition=bounds; D=sqrt((Cit