单目标最优化问题的遗传算法

单目标最优化问题的遗传算法，可用与数学建模中，很方便快捷，matlab

function[xvfv]=GA（fitnessabNPNGpcpmeps）
%待优化的目标函数:fitness
%自变量下界:a
%自变量上界:b
%种群个体数:NP
%最大进化代数:NG
%杂交概率:pc
%自变量概率:pm
%自变量离散精度:eps
%目标函数取最大值时的自变量值：xm
%目标函数的最大值:fv
L=ceil（log2（（b-a）/eps+1））;   %根据离散精度，确定二进制编码需要的码长
x=zeros（NPL）;
for i=1:NP
    x（i:）=Initial（L）;%种群初始化
    fx（i）=fitness（Dec（abx（i:）L））;  %个体适应值
end
for k=1:NG
    sumfx=sum（fx）;   %所有个体适应值之和
    px=fx/sumfx;   %所有个体适应值的平均值
    ppx=0;
    ppx（1）=px（1）;
    for i=2:NP      %用于轮盘赌策略的累加
        ppx（i）=ppx（i-1）+px（i）;
    end
    for i=1:NP
        sita=rand（）;
        for n=1:NP
            if sita<=ppx（n）
                SelFather=n;  %根据轮盘赌策略确定的父亲
                break;
            end
        end
        Selmother=floor（rand（）*（NP-1））+1;  %随机选择母亲
        posCut=floor（rand（）*（L-2））+1;   %随机选择交叉点
        r1=rand（）;
        if r1<=pc                       %交叉          
            nx（i1:posCut）=x（SelFather1:posCut）;
            nx（i（posCut+1）:L）=x（Selmother（posCut+1）:L）;
            r2=rand（）;
            if r2<=pm    %变异
                posMut=round（rand（）*（L-1）+1）;
                nx（iposMut）=~nx（iposMut）;
            end
        else
            nx（i:）=x（SelFather:）;
        end
    end
    x=nx;
    for i=1:NP
        fx（i）=fitness（Dec（abx（i:）L））;%子代适应值
    end
end
fv=-inf;
for i=1:NP
    fitx=fitness（Dec（abx（i:）L））;
    if fitx>fv
            fv=fitx;       %取个体中的最好值作为最终结果
            xv=Dec（abx（i:）L）;
        end
    end
    function result=Initial（length）   %初始化函数
    for i=1:length
        r=rand（）;
        result（i）=round（r）;
    end
        function y=Dec（abxL）  %二进制编码转换为十进制编码
            base=2.^（（L-1）:-1:0）;
            y=dot（basex）;
            y=a+y*（b-a）/（2^L-1）;
            %[xvfv]=GA（@fitness030501000.90.040.01）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2021  2013-09-12 21:03  GA.m

----------- ---------  ---------- -----  ----

                 2021                    1