遗传算法求解多元函数最大值

通过自己的整合，可以用来求解多元函数最大值，保证可以运行，希望对你们有用

clc
clear
%遗传算法参数
maxgen=30;
   size=40;
pcross=0.6;
pmutation=0.01;
lenchrom=[1 1 1 1 1];
bound=[0 99;0 99; 0 99; 0 99;0 99];
for b=1:1
%个体初始化
indi=struct（‘fitness‘zeros（1size（b））‘chrom‘[]）;
%avgfitness=[];%种群的平均适应度
bestfitness=[];%种群的最佳适应度
bestchrom=[];%适应度最好的染色体
for i=1:size（b）
    indi.chrom（i:）=Code（lenchrombound）;
    x=indi.chrom（i:）;
    indi.fitness（i）=fun（x）;
end
[bestfitnessbestindex]=max（indi.fitness）;
bestchrom=indi.chrom（bestindex:）;
avgfitness=sum（indi.fitness）/size（b）;
%记录每一代中最好的适应度和平均适应度
for i=1:maxgen
    %选择
    indi=select（indisize（b））;
    avgfitness=sum（indi.fitness）/size（b）;
    %交叉
    indi.chrom=Cross（pcrosslenchromindi.chromsize（b）bound）;
    %变异
    indi.chrom=Mutation（pmutationlenchromindi.chromsize（b）[i maxgen]bound）;
   %每进化10代，以所得值为初始值进行非线性寻优
   if mod（i10）==0
       indi.chrom=nonlinear（indi.chromsize（b））;
   end
   for j=1:size（b）
       x=indi.chrom（j:）;
       indi.fitness（j）=fun（x）;
   end
   %找到最优染色体急他们在种群中的位置
   [newbestfitnessnewbestindex]=max（indi.fitness）;
   %代替上一次进化中最好的染色体
   if bestfitness       bestfitness=newbestfitness;
       bestchrom=indi.chrom（newbestindex:）;
   end
   %avgfitness=sum（indi.fitness）/size;
   trace（bi）=bestfitness ;
   
end


end
x=1:maxgen;
plot（xtrace（1:））
hold on 
 title（‘遗传算法求解最大值‘）;
 %legend（‘种群为20‘‘种群为30‘）
 xlabel（‘迭代次数‘）
 ylabel（‘最大值‘）
 grid
    

    
    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1317  2017-10-10 08:47  Cross.m
     文件        1232  2017-10-10 08:41  Mutation.m
     文件        1600  2017-10-01 10:25  changeyichuan1.m
     文件         331  2017-09-28 08:34  nonlinear.m
     文件         465  2017-09-27 21:17  select.m
     文件         405  2017-10-10 08:39  Code.m