遗传算法求解多元函数最值源程序

%Generic Algorithm for Function f（x1x2）optimum
clear all;
close all;

x=-3:0.01:3;
y=-3:0.01:3;
[xy]=meshgrid（xy）;
f=4*x.^2-2.1*x.^4+1/3*x.^6+x.*y-4*y.^2+4*y.^4;
mesh（xyf）;
xlabel（‘x-axis‘）ylabel（‘y-axis‘）zlabel（‘f-axis‘）;title（‘六峰值驼背函数‘）;

minf=min（（min（f））‘）;
k=find（f==minf）;
%minfx（k）y（k）
%Parameters
Size=80;    %种群个数一般20-100；
G=100;      %迭代次数，一般100-500；
pc=0.60;    %交叉概率，一般0.4-0.99;
pm=0.1;     %变异概率，一般0.0001-0.1；

CodeL=10;
N=2^CodeL-1;

umax=3;
umin=-3;

E=round（rand（Size2*CodeL））;    %Initial Code

%Main Program
for k=1:1:G
    time（k）=k;
    
    %Uncoding
    for s=1:1:Size
        m=E（s:）;
        y1=0;y2=0;
        
        m1=m（1:CodeL）;
        for i=1:CodeL
            y1=y1+m1（i）*2^（i-1）;
        end
        x1=（umax-umin）*y1/N+umin;
        m2=m（CodeL+1:2*CodeL）;
        for i=1:CodeL
            y2=y2+m2（i）*2^（i-1）;
        end
        x2=（umax-umin）*y2/N+umin;
        
   %     F（s）=100*（x1^2-x2）^2+（1-x1）^2;
        F（s）=-（4*x1^2-2.1*x1^4+1/3*x1^6+x1*x2-4*x2^2+4*x2^4）;
   %     F（s）=-（x1-1）^2-（x2）^2;
    end
    
%    Ji=1./F;
    %**********Step1: Evaluate BestJ**********
%    BestJ（k）=min（Ji）;
    ksp=2;
    Fmin=min（F）;
    Fmax=max（F）;
    fmin=（Fmin+Fmax）/（1+ksp）;
    fmax=ksp*fmin;
    delf=（fmax-fmin）/（Fmax-Fmin）;
    
    %fi=fmin