非線性整數(shù)規(guī)劃的遺傳算法Matlab程序

1、非線性整數(shù)規(guī)劃的遺傳算法Matlab程序（引自人工智能及數(shù)據(jù)挖掘論壇）這是一個具有200個01決策變量的多目標非線性整數(shù)規(guī)劃，編寫優(yōu)化的目標函數(shù)如下，其中將多目標轉(zhuǎn)化為單目標采用簡單的加權處理。 function Fitness=FITNESS(x,FARM,e,q,w) % 適應度函數(shù) % 輸入?yún)?shù)列表 % x 決策變量構成的4×50的0-1矩陣 % FARM 細胞結構存儲的當前種群，它包含了個體x % e 4×50的系數(shù)矩陣 % q 4×50的系數(shù)矩陣 % w 1×50的系數(shù)矩陣 % gamma=0.98; N=length(FARM);%種群規(guī)模

2、F1=zeros(1,N); F2=zeros(1,N); for i=1:N xx=FARMi; ppp=(1-xx)+(1-q).*xx; F1(i)=sum(w.*prod(ppp); F2(i)=sum(sum(e.*xx); end ppp=(1-x)+(1-q).*x; f1=sum(w.*prod(ppp); f2=sum(sum(e.*x); Fitness=gamma*sum(min(sign(f1-F1);zeros(1,N)+(1-gamma)*sum(min(sign(f2-F2);zeros(1,N); 針對問題設計的遺傳算法如下，其中對模型約束的處理是重點考慮的地方

3、 function Xp,LC1,LC2,LC3,LC4=MYGA(M,N,Pm) % 求解01整數(shù)規(guī)劃的遺傳算法 % 輸入?yún)?shù)列表 % M 遺傳進化迭代次數(shù) % N 種群規(guī)模 % Pm 變異概率 % 輸出參數(shù)列表 % Xp 最優(yōu)個體 % LC1 子目標1的收斂曲線 % LC2 子目標2的收斂曲線 % LC3 平均適應度函數(shù)的收斂曲線 % LC4 最優(yōu)適應度函數(shù)的收斂曲線 % 參考調(diào)用格式Xp,LC1,LC2,LC3,LC4=MYGA(50,40,0.3) % 第一步：載入數(shù)據(jù)和變量初始化 load eqw;%載入三個系數(shù)矩陣e,q,w %輸出變量初始化 Xp=zeros(4,50); LC1

4、=zeros(1,M); LC2=zeros(1,M); LC3=zeros(1,M); LC4=zeros(1,M); Best=inf; % 第二步：隨機產(chǎn)生初始種群 farm=cell(1,N);%用于存儲種群的細胞結構 k=0; while k %以下是一個合法個體的產(chǎn)生過程 x=zeros(4,50);%x每一列的1的個數(shù)隨機決定 for i=1:50 R=rand; Col=zeros(4,1); if R<0.7 RP=randperm(4);%1的位置也是隨機的 Col(RP(1)=1; elseif R>0.9 RP=randperm(4); Col(RP(1:2

5、)=1; else RP=randperm(4); Col(RP(1:3)=1; end x(:,i)=Col; end %下面是檢查行和是否滿足約束的過程，對于不滿足約束的予以拋棄 Temp1=sum(x,2); Temp2=find(Temp1>20); if length(Temp2)=0 k=k+1; farmk=x; end end % 以下是進化迭代過程 counter=0;%設置迭代計數(shù)器 while counter % 第三步：交叉 %交叉采用雙親雙子單點交叉 newfarm=cell(1,2*N);%用于存儲子代的細胞結構 Ser=randperm(N);%兩兩隨機配對

6、的配對表 A=farmSer(1);%取出父代A B=farmSer(2);%取出父代B P0=unidrnd(49);%隨機選擇交叉點 a=A(:,10),B(:,(P0+1):end);%產(chǎn)生子代a b=B(:,10),A(:,(P0+1):end);%產(chǎn)生子代b newfarm2*N-1=a;%加入子代種群 newfarm2*N=b; %以下循環(huán)是重復上述過程 for i=1N-1) A=farmSer(i); B=farmSer(i+1); P0=unidrnd(49); a=A(:,10),B(:,(P0+1):end); b=B(:,10),A(:,(P0+1):end); new

7、farm2*i-1=a; newfarm2*i=b; end FARM=farm,newfarm;%新舊種群合并 % 第四步：選擇復制 FLAG=ones(1,3*N);%標志向量，對是否滿足約束進行標記 %以下過程是檢測新個體是否滿足約束 for i=13*N) x=FARMi; sum1=sum(x,1); sum2=sum(x,2); flag1=find(sum1=0); flag2=find(sum1=4); flag3=find(sum2>20); if length(flag1)+length(flag2)+length(flag3)>0 FLAG(i)=0;%如果不

8、滿足約束，用0加以標記 end end NN=length(find(FLAG)=1);%滿足約束的個體數(shù)目，它一定大于等于N NEWFARM=cell(1,NN); %以下過程是剔除不滿主約束的個體 kk=0; for i=13*N) if FLAG(i)=1 kk=kk+1; NEWFARMkk=FARMi; end end %以下過程是計算并存儲當前種群每個個體的適應值 SYZ=zeros(1,NN); syz=zeros(1,N); for i=1:NN x=NEWFARMi; SYZ(i)=FITNESS2(x,NEWFARM,e,q,w);%調(diào)用適應值子函數(shù) end k=0; %下

9、面是選擇復制，選擇較優(yōu)的N個個體復制到下一代 while k minSYZ=min(SYZ); posSYZ=find(SYZ=minSYZ); POS=posSYZ(1); k=k+1; farmk=NEWFARMPOS; syz(k)=SYZ(POS); SYZ(POS)=inf; end %記錄和更新，更新最優(yōu)個體，記錄收斂曲線的數(shù)據(jù) minsyz=min(syz); meansyz=mean(syz); pos=find(syz=minsyz); LC3(counter+1)=meansyz; if minsyz Best=minsyz; Xp=farmpos(1); end LC4(

10、counter+1)=Best; ppp=(1-Xp)+(1-q).*Xp; LC1(counter+1)=sum(w.*prod(ppp); LC2(counter+1)=sum(sum(e.*Xp); % 第五步：變異 for i=1:N if Pm>rand%是否變異由變異概率Pm控制 AA=farmi;%取出一個個體 POS=unidrnd(50);%隨機選擇變異位 R=rand; Col=zeros(4,1); if R<0.7 RP=randperm(4); Col(RP(1)=1; elseif R>0.9 RP=randperm(4); Col(RP(1:2)

11、=1; else RP=randperm(4); Col(RP(1:3)=1; end %下面是判斷變異產(chǎn)生的新個體是否滿足約束，如果不滿足，此次變異無效 AA(:,POS)=Col; Temp1=sum(AA,2); Temp2=find(Temp1>20); if length(Temp2)=0 farmi=AA; end end end counter=counter+1 end %第七步：繪收斂曲線圖 figure(1); plot(LC1); xlabel('迭代次數(shù)'); ylabel('子目標1的值'); title('子目標1的收斂曲線'); figure(2); plot(LC2); xlabel('迭代次數(shù)'); ylabel('子目標2的值'); title('子目標2的收斂曲線'); figure(3); plot(LC3); xlabel(&