进化策略算法公交车调度MATLAB

进化策略算法实现公交车调度，人工智能课程设计，自己原创，在MATLAB上调试通过

%进化策略算法 （μλ）-ES
%μ个父代进化产生λ个子代，新产生的λ个新个体中择优选择μ个个体作为下一代群体
%f（x）=x1+x2+x3+x4+x5+x6
clear all;
close all;
clc
%变量初始化
populationSize = 15;       %种群大小及子代个数 比例1/7
childrenSize = 100;
best=0;                    %存放父代最优值及所在列
bestIndex=1;
fitness = zeros（ childrenSize 13）;    %存放子代 其中（1:6）存放子代个体6个分量，（7:12）存放子代个体6个方差，（113）存放子代的适应度函数
population=zeros（populationSize 13）;  %存放父代
% 初始化父代
for i = 1 : populationSize
    population（i 1） = round（rand * 60）;
    population（i 2） = round（rand * 70）;
    population（i 3） = round（rand * 60）;
    population（i 4） = round（rand * 50）;
    population（i 5） = round（rand * 20）;
    population（i 6） = round（rand * 30）;
    
    while （population（i 1）+population（i 6））<60||（population（i 1）+population（i 2））<70||...
          （population（i 3）+population（i 2））<60||（population（i 4）+population（i 3））<50||...
       （population（i 5）+population（i 4））<20 || （population（i 6）+population（i 5））<30
        population（i 1） = round（rand * 60）;
        population（i 2） = round（rand * 70）;
        population（i 3） = round（rand * 60）;
        population（i 4） = round（rand * 50）;
        population（i 5） = round（rand * 20）;
        population（i 6） = round（rand * 30）;
    end
    for j=7:13
        population（ij）=3.0;%sigma初始化
        if j==13
            population（i 13） = population（i 1）+population（i 2）+population（i 3）+population（i 4）+population（i 5）+ population（i 6）;
        end
    end
    if best>population（i 13）
       best=population（i13）;
       bestIndex=i;
    end
end
bestFitness=population（bestIndex:）;%精英保留
% 进行100次迭代
for t = 1 : 100
    % 产生childrenSize个子代，并计算其方差、适应度保存到fitness数组中
    for i=1:childrenSize
        populationIndex = round（rand * （populationSize-1））+1;% 从父代中随机挑选一个用于产生子代 
        
        for j=1:6
            fitness（i6+j）=population（populationIndex6+j） * exp（1 * normrnd（0 1） + 1 * normrnd（0 1））; % 调整sigma参数
            fitness（ij）=round（population（populationIndex j） + fitness（i6+j） *normrnd（0 1））;
        end
        fitness（i13）=fitness（i1）+fitness（i2）+fitness（i3）+fitness（i4）+fitness（i5）+fitness（i6）;
        %根据条件产生符合条件的子代
        while fitness（i1） < 0 || fitness（i1） > 60 || fitness（i6） < 0 || fitness（i6） > 60 || （fitness（i1）+fitness（i6））<60 ||...
            （fitness（i1）+fitness（i2））<70 || fitness（i2）<0 || fitness（i2）>70 || （fitness（i3）+fitness（i2））<60 || fitness（i3）<0 || fitness（i3）>60||...
            （fitness（i3）+fitness（i4））<50 || fitness（i4）<0 || fitness（i4）>50 || （fitness（i5）+fitness（i4））<20 ||... 
            （fitness（i6）+fitness（i5））<30 || fitness（i5）<0 || fitness（i5）>30
            for j=1:6
            fitness（i6+j）=population（populationIndex6+j） * exp（1 * normrnd（0 1） + 1 * normrnd（0 1））; % 调整sigma参数
            fitness（ij）=round（population（populationIndex j） + fitness（i6+j） *normrnd（0 1））;
            end  
            fitness（i13）=fitness（i1）+fitness（i2）+fitness（i3

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

     文件      91648  2014-03-21 19:37  EvolutionStrategy\BusDispatch.doc

     文件       3624  2013-06-19 21:54  EvolutionStrategy\EvolutionStrategy.m

     目录          0  2014-03-21 19:51  EvolutionStrategy

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

                95272                    3