雙層規(guī)劃模型的遺傳算法求解的Matlab源碼(共6頁)

1、雙層規(guī)劃模型的遺傳算法求解的Matlab源碼雙層規(guī)劃模型的遺傳算法求解的Matlab源碼function BESTX,BESTY,ALLX,ALLY=GAU(KU,KD,NU,ND,PmU,PmD,V,Q,R,m,t,p0,CF,Alpha,Beta,C0,Q0,h,a,b,d,Cr)% GreenSim團隊原創(chuàng)作品，轉(zhuǎn)載請注明% Email:greensim% GreenSim團隊主頁：% color=red歡迎訪問GreenSim算法仿真團隊url=% 輸入?yún)?shù)列表% KU       上層迭代次數(shù)% KD  

2、     下層迭代次數(shù)% NU       上層種群規(guī)模，要求是偶數(shù)% ND       下層種群規(guī)模，要求是偶數(shù)% PmU      上層變異概率% PmD      下層變異概率% 其余參數(shù)均為模型參數(shù)% 輸出參數(shù)列表% xbest    下層模型的最優(yōu)決策變量% BESTX  

3、60; K×1細胞結(jié)構(gòu)，每一個元素是M×1向量，記錄每一代的最優(yōu)個體% BESTY    K×1矩陣，記錄每一代的最優(yōu)個體的評價函數(shù)值% ALLX     K×1細胞結(jié)構(gòu)，每一個元素是M×N矩陣，記錄全部個體% ALLY     K×N矩陣，記錄全部個體的評價函數(shù)值% 第一步：種群初始化，確保滿足約束的初始化n=length(C0);%決策變量的個數(shù)%種群初始化，每一行是一個樣本farm=zeros(NU,n);for i=1

4、:NU    Ta=randperm(n);    Tb=unidrnd(n-1)+1;    farm(i,sort(Ta(1:Tb)=1;    GT=farm(i,:);    GT=JZU(GT,V,Q);    farm(i,:)=GT;end%輸出變量初始化ALLX=cell(KU,1);%細胞結(jié)構(gòu)，每一個元素是N×n矩陣，記錄每一代的個體ALLY=zeros(KU,NU);%K×N矩

5、陣，記錄每一代評價函數(shù)值BESTX=cell(KU,1);%細胞結(jié)構(gòu)，每一個元素是1×n向量，記錄每一代的最優(yōu)個體BESTY=zeros(KU,1);%K×1矩陣，記錄每一代的最優(yōu)個體的評價函數(shù)值k=1;%迭代計數(shù)器初始化% 第二步：迭代過程while k<=KU% 以下是交叉過程    newfarm=zeros(2*NU,n);    Ser=randperm(NU);%兩兩隨機配對的配對表    AA=farm(Ser(1),:);    BB

6、=farm(Ser(2),:);    P0=unidrnd(n-1);    aa=AA(1:P0),BB(P0+1):end);%產(chǎn)生子代a    bb=BB(1:P0),AA(P0+1):end);%產(chǎn)生子代b    if sum(aa)<2        Ta=randperm(n);        Tb=unidrnd(n

7、-1)+1;        aa=zeros(1,n);        aa(1,sort(Ta(1:Tb)=1;    end    if sum(bb)<2        Ta=randperm(n);        Tb=unidrnd(n-1)+

8、1;        bb=zeros(1,n);        bb(1,sort(Ta(1:Tb)=1;    end    aa=JZU(aa,V,Q);    bb=JZU(bb,V,Q);    newfarm(2*NU-1,:)=aa;%加入子代種群    newfarm(2*NU,:)=bb;&#

9、160;      for i=1:(NU-1)        AA=farm(Ser(i),:);        BB=farm(Ser(i+1),:);        P0=unidrnd(n-1);        aa=AA(1:P0),BB(P0+1):end)

10、;        bb=BB(1:P0),AA(P0+1):end);        if sum(aa)<2            Ta=randperm(n);            Tb=unidrnd(n-1)+1; 

11、;           aa=zeros(1,n);            aa(1,sort(Ta(1:Tb)=1;        end        if sum(bb)<2     &#

12、160;      Ta=randperm(n);            Tb=unidrnd(n-1)+1;            bb=zeros(1,n);            bb(1,sort(Ta(1:Tb

13、)=1;        end        aa=JZU(aa,V,Q);        bb=JZU(bb,V,Q);        newfarm(2*i-1,:)=aa;        newfarm(2*i,:)=bb; 

14、0;  end       FARM=farm;newfarm;   % 選擇復(fù)制    SER=randperm(3*NU);    FITNESS=zeros(1,3*NU);    fitness=zeros(1,NU);    for i=1:(3*NU)        u=FARM(i,:);

15、60;       xbest,BESTXx,BESTYy,ALLXx,ALLYy=GAD(u,KD,ND,PmD,V,Q,R,m,t,p0,CF);%調(diào)用下層遺傳算法得到x        x=xbest;        FITNESS(i)=OBJU(x,u,Alpha,Beta,C0,Q0,h,a,b,d,Q,Cr,m,t);    end  

16、     for i=1:NU        f1=FITNESS(SER(3*i-2);        f2=FITNESS(SER(3*i-1);        f3=FITNESS(SER(3*i);        if f1<=f2&&f1<=

17、f3            farm(i,:)=FARM(SER(3*i-2),:);            fitness(i)=FITNESS(SER(3*i-2);        elseif f2<=f1&&f2<=f3    

18、60;       farm(i,:)=FARM(SER(3*i-1),:);            fitness(i)=FITNESS(SER(3*i-1);        else            farm(i,:)=FARM(SER(3

19、*i),:);            fitness(i)=FITNESS(SER(3*i);        end    end       % 記錄最佳個體和收斂曲線    X=farm;    Y=fitness;    ALLXk=

20、X;    ALLY(k,:)=Y;    minY=min(Y);    pos=find(Y=minY);    BESTXk=X(pos(1),:);    BESTY(k)=minY;       % 變異    for i=1:NU        if PmU>rand&a

21、mp;&pos(1)=i            Ta=randperm(n);            Tb=unidrnd(n-1)+1;            BB=zeros(1,n);            BB(1,sort(Ta(1:Tb)=1;   &