该MATLAB代码为基于神经网络遗传算法的系统极值寻优

%% 该代码为基于神经网络遗传算法的系统极值寻优 %% 清空环境变量 clc clear

%% 初始化遗传算法参数 %初始化参数

maxgen=100; %进化代数，即迭代次数 sizepop=20; %种群规模

pcross=[0.4]; %交叉概率选择，0和1之间 pmutation=[0.2]; %变异概率选择，0和1之间

lenchrom=[1 1]; %每个变量的字串长度，如果是浮点变量，则长度都为1

bound=[-5 5;-5 5]; %数据范围

individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]); %将种群信息定义为一个结构体

avgfitness=[]; %每一代种群的平均适应度 bestfitness=[]; %每一代种群的最佳适应度 bestchrom=[]; %适应度最好的染色体

%% 初始化种群计算适应度值 % 初始化种群 for i=1:sizepop

%随机产生一个种群

individuals.chrom(i,:)=Code(lenchrom,bound); x=individuals.chrom(i,:); %计算适应度

individuals.fitness(i)=fun(x); %染色体的适应度 end

%找最好的染色体

[bestfitness bestindex]=min(individuals.fitness);

bestchrom=individuals.chrom(bestindex,:); %最好的染色体

avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度 % 记录每一代进化中最好的适应度和平均适应度 trace=[avgfitness bestfitness];

%% 迭代寻优 % 进化开始 for i=1:maxgen i

% 选择

individuals=Select(individuals,sizepop); avgfitness=sum(individuals.fitness)/sizepop; %交叉

individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound); % 变异

individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,[i maxgen],bound);

% 计算适应度 for j=1:sizepop

x=individuals.chrom(j,:); %解码 individuals.fitness(j)=fun(x); end

%找到最小和最大适应度的染色体及它们在种群中的位置 [newbestfitness,newbestindex]=min(individuals.fitness); [worestfitness,worestindex]=max(individuals.fitness); % 代替上一次进化中最好的染色体 if bestfitness>newbestfitness bestfitness=newbestfitness;

bestchrom=individuals.chrom(newbestindex,:); end

individuals.chrom(worestindex,:)=bestchrom; individuals.fitness(worestindex)=bestfitness;

avgfitness=sum(individuals.fitness)/sizepop;

trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度 end

%进化结束

%% 结果分析 [r c]=size(trace);

plot([1:r]',trace(:,2),'r-');

title('适应度曲线','fontsize',12);

xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12); axis([0,100,0,1])

disp('适应度 变量'); x=bestchrom; % 窗口显示

disp([bestfitness x]);