问题描述: 103个50维的节点中，选出n个节点进行组合，使其获得较好的适应度值
注意点：首先在原始数据文件（txt）中，将相应的节点进行编号，编成1-103，放在第一列，之后再将编号映射到相应的真实节点上。
需要数据文件的小伙伴，可以到：https://download.csdn.net/download/qq_37188465/10314985 下载
%%%实现个体的交叉变异matlab代码:
*****************************************************************************************************************
%从桥梁传感器103*50模态数据中，共103个点中，选出zh个点进行组合,每一个个体的每一维是离散的，因此
%为103条记录进行编号
function ga_main(zh)
%导入模态文件
format long
file=’C:\Users\my_pc_2017_1_2\Desktop\node_trans.txt’;
mt=load(file);
m=mt;
[rows,cols]=size(mt);%获得模态矩阵的行和列,第一列表示为节点编的编号，方便找到对应的节点，第二列表示实际节
%定义目标函数，目标函数为r=obj_val()
%节点组合个数
n=zh;
%遗传代数
ge=100;
%种群规模
gm=50;
%种群代沟
gg=0.7;
%种群变异概率
gb=0.0125;
%交叉概率
gj=0.7;
%重插入概率
gc=1;
%寻优结果的初始
%设置初始化随机数发生器
rand(‘state’,sum(clock));
for k=1:gm %通过改良圈算法选取初始种群
cl=randperm(103,103);%生成20个1-103的随机且不重复的数据，即生成初始解
%保存种群所有的组合
J(k,1:103)=cl;
end
%disp(J);
%计算初始种群的适应度值
j1=J(:,1:n);
objvalue=obj_val(j1,m);
J=J/103;%把整数序列转换成[0,1]区间上的实数，即转换成染色体编码
for k=1:ge%该层循环进行遗传算法的操作
A=J;%交配产生子代A的初始染色体
if rand<gj
c=randperm(gm);%产生下面交叉操作的染色体对
% disp(c);
for i=1:2:gm
F=1+floor((n-1)*rand(1));%产生交叉操作的的地址
temp=A(c(i),[F:n]);%中间变量的保存值
A(c(i),[F:n])=A(c(i+1),[F:n]);%交叉操作
A(c(i+1),F:n)=temp;
end
end
B=[];
if rand<gb
by=[];%为了防止下面产生空地址，这里先初始化
while ~length(by)
by=find(rand(1,gm)<0.1);%产生变异操作的地址
end
B=A(by,:);%产生变异操作的初始染色体
for j=1:length(by)
bw=sort(1+floor((n-1)*rand(1,3)));%产生变异操作的3个地址
B(j,:)=B(j,[1:bw(1)-1,bw(2)+1:bw(3),bw(1):bw(2),bw(3)+1:end]);%交换位置
end
end
G=[J;A;B];%父代和子代种群和在一起
%disp(G);
[SG,ind1]=sort(G,2);%把染色体翻译成1…20的序列ind1,此处需要修改
num=size(G,1);
long=zeros(1,num);
g1=ind1(:,1:n);
%fprintf(‘交叉变异后的种群：\n’);
%disp(g1);
objvalue=obj_val(g1,m);
long=objvalue;
[slong,ind2]=sort(long);%对路径长度从小到大排序
J=G(ind2((end+1)-gm:end),:);%精选前m个较大的组合对应的染色体
end
[SG1,ind3]=sort(J,2);
fprintf(‘最终的索引：\n’);
disp(ind3);
path=ind3(gm,:),
path=path(:,1:n),
objvalue=obj_val(path,m);
pp=zeros(1,n);
for k1=1:n
pp(k1)=m(path(k1),2);
end
fprintf(‘最终的桥梁节点组合：\n’);
pp=sort(pp);
max=objvalue;
disp(pp)
end
********************************************************************************************************************************
%%计算适应度值
*******************************************************************************************************************************
%定义最佳组合节点的适应度求解函数
function [objvalue] =obj_val(obj,m)%obj表示传进来的目标矩阵，m表示总共的节点数据，输出为适应度值
[rows,cols]=size(obj);
[rs,cs]=size(m);
%将对应节点的模态值放进一个矩阵里
val=zeros(rows);
for i=1:rows
sum2=0;%保存
for j=1:cols %获得一个个体对应的目标模态矩阵
temp(j,:)=m(obj(i,j),3:end);%
end
%获得存储个体对应的模态矩阵的行数和列数
[rt,ct]=size(temp);
%计算目标模态矩阵的累积和
for k1=1:ct
for k2=1:ct
sum2=sum2+abs(temp(:,k1)’*temp(:,k2));
end
end
a(i)=sum2;
end
objvalue=a,
end
********************************************************************************************************************************
主函数部分
*******************************************************************************************************************************
%改变n的个数，指定生成的目标节点个数
clc;
clear;
n=10;%需要组合的节点的个数
for i=1:10
fprintf(‘节点个数=%d时第%d次试验结果为\n’,n,i);
ga_main(n)%调用遗传算法，求得目标节点
end
***************************************************************************************************************************************
