%用遗传算法进行简单函数的优化

clear

bn=22; %个体串长度

inn=50; %初始种群大小

gnmax=200;  %最大代数

pc=0.75; %交叉概率

pm=0.05; %变异概率

%产生初始种群

s=round(rand(inn,bn));

%计算适应度,返回适应度f和累积概率p

[f,p]=objf(s);  

gn=1;

while gn<gnmax+1

   for j=1:2:inn

      %选择操作

      seln=sel(s,p);

      %交叉操作

      scro=cro(s,seln,pc);

      scnew(j,:)=scro(1,:);

      scnew(j+1,:)=scro(2,:);

      %变异操作

      smnew(j,:)=mut(scnew(j,:),pm);

      smnew(j+1,:)=mut(scnew(j+1,:),pm);

   end

   s=smnew;  %产生了新的种群

   %计算新种群的适应度   

   [f,p]=objf(s);

   %记录当前代最好和平均的适应度

   [fmax,nmax]=max(f);

   fmean=mean(f);

   ymax(gn)=fmax;

   ymean(gn)=fmean;

   %记录当前代的最佳个体

   x=n2to10(s(nmax,:));

   xx=-1.0+x*3/(power(2,bn)-1);

   xmax(gn)=xx;

   gn=gn+1

end

gn=gn-1;

%绘制曲线

subplot(2,1,1);

plot(1:gn,[ymax;ymean]);

title(‘历代适应度变化’,’fonts’,10);

legend(‘最大适应度’,’平均适应度’);

string1=[‘最终适应度’,num2str(ymax(gn))];

gtext(string1);

subplot(2,1,2);

plot(1:gn,xmax,’r-‘);

legend(‘自变量’);

string2=[‘最终自变量’,num2str(xmax(gn))];

gtext(string2);