randData = round(80*rand(25,8));

save .\sj.txt randData -ascii

clc,clear 

load sj.txt %加载敌方100个目标的数据

x=sj(:,1:2:8);x=x(:); 

y=sj(:,2:2:8);y=y(:); 

sj=[x y]; 

d1=[70,40]; 

sj0=[d1;sj;d1]; 

%距离矩阵d 

sj=sj0*pi/180; 

d=zeros(102); 

for i=1:101 

for j=i+1:102 

temp=cos(sj(i,1)-sj(j,1))*cos(sj(i,2))*cos(sj(j,2))+sin(sj(i,2))*sin(sj(j,2)); 

d(i,j)=6370*acos(temp); 

end 

end 

d=d+d’;L=102;w=50;dai=100; %w指的是种群的大小

%通过改良圈算法选取优良父代A 

for k=1:w 

c=randperm(100); 

c1=[1,c+1,102]; 

flag=1; 

while flag>0 

flag=0; 

for m=1:L-3 

for n=m+2:L-1 

if d(c1(m),c1(n))+d(c1(m+1),c1(n+1))<d(c1(m),c1(m+1))+d(c1(n),c1(n+1)) 

flag=1; 

c1(m+1:n)=c1(n:-1:m+1); 

end 

end 

end 

end 

J(k,c1)=1:102; %矩阵J的第k行的第c1列的值依次为1：102

%J就是取出来的50个优良的父代

end 

J=J/102; 

J(:,1)=0;J(:,102)=1; 

rand(‘state’,sum(clock)); 

%遗传算法实现过程

A=J; 

for k=1:dai %产生0～1间随机数列进行编码

B=A; 

c=randperm(w); 

%交配产生子代B 

for i=1:2:w 

F=2+floor(100*rand(1)); %随机选择交换开始的位置，和生物学上的染色体交换不一样

%交换相邻染色体的基因

temp=B(c(i),F:102); 

B(c(i),F:102)=B(c(i+1),F:102); 

B(c(i+1),F:102)=temp; 

end 

%变异产生子代C 

by=find(rand(1,w)<0.1); 

if length(by)==0 

by=floor(w*rand(1))+1; 

end 

C=A(by,:); 

L3=length(by); 

for j=1:L3 

bw=2+floor(100*rand(1,3)); 

bw=sort(bw); 

C(j,:)=C(j,[1:bw(1)-1,bw(2)+1:bw(3),bw(1):bw(2),bw(3)+1:102]); 

end 

%将ABC组合起来

G=[A;B;C]; 

TL=size(G,1); %TL是G的行数

%在父代和子代中选择优良品种作为新的父代

[dd,IX]=sort(G,2);%dd是行升序重排后的结果，IX是索引值

temp(1:TL)=0; %初始化tmp

for j=1:TL 

for i=1:101 

temp(j)=temp(j)+d(IX(j,i),IX(j,i+1)); %求出G中每一种排列的路径和

end 

end 

[DZ,IZ]=sort(temp); 

A=G(IZ(1:w),:); %拿出前五十个排列作为优秀父代进行再次重排

end 

path=IX(IZ(1),:) 

long=DZ(1) 

%toc 

xx=sj0(path,1);yy=sj0(path,2); 

plot(xx,yy,’-o’)