遗传算法之一元函数求最值matlab

%%  题目： 求f（x） =  x+ 10sin（5x） +7cos（4x）的最大值 ，x是[010]

%%  初始化参数
clc ;
clear all;
NP=50; %种群数量
L=20 ;  %基因位数
Pc=0.8;
Pm=0.1;
G = 100; % 迭代次数
Xs=10; %上限
Xx=0;  %下限  
f=randi（[01]NPL）;  %随机获得初始种群矩阵

%% 遗传算法循环
for k =1 : G  %迭代次数
   %% 将二进制解码为定义域范围内十进制
   for i=1:NP
     U =f（i:）;  
     m=0;
     for j=1:L
         m=U（j）*2^（j-1）+m;
        %disp（m）;
     end  
     x（i）=Xx+m*（Xs-Xx）/（2^L-1）;  %为[010]内的实数
     Fit（i） = func1（x（i））;  %每个个体的适应度，即每个x对应的函数值
   end
  %% 最优和最劣质个体
   maxFit = max（Fit）;  %求Fit矩阵中的最大值
   minFit = min（Fit）;   %求Fit矩阵中的最小值
   rr=find（Fit==maxFit）;   %找出Fit数组中==maxFit的那个值的下标，给rr
   % disp（rr）;
   fBest = f（rr（11）  :）; %历代最优个体
   % disp（rr（11））;
   xBest=x（rr（11））; %历代最优个体所对应的x值
   Fit =（Fit-minFit） / （maxFit - minFit） ; %归一化适应度值，是一个权重，即：各个适应度值与最大适应度值得差距，用概率表现出来
   %% 轮盘赌选择复制      
   sum_Fit = sum（Fit） ;
   fitvalue = Fit ./sum_Fit ;   %选择概率，将Fit的每个元素除以sum_Fit
   fitvalue = cumsum（fitvalue） ; %累积概率
   ms = sort （rand（NP1）） ;   %产生NP个0~1之间的随机数，并且升序排序
   fiti =1;
   newi=1;
   while newi<=NP  %轮盘开始转，一共转NP次
       if（ms（newi）           nf（newi:） = f（fiti  :） ; % 把个体给新的种群
           newi = newi + 1;
       else
           fiti=fiti +1;
       end
   end
   %%  交叉_均匀交叉
   for i = 1:2:NP   % 从1到NP ，每隔两个
       p = rand ;   
       if p           q=randi（[01]1L）;
           for j =1:L
               if q（j） == 1;
                   temp=nf（i+1j）;
                   nf（i+1j） = nf（ij）;
                   nf（ij） = temp;
               end
           end
       end
   end
   %% 变异
   i = 1;
   while i<=round（NP*Pc）   % 四舍五入
       h=randi（[1NP]11） ; %随机选取一个需要变异的染色体
       for j = 1:round（L*Pc）
           g = randi（[120]11）;%随机选取需要变异的基因数
           %g=rand;
           nf（hg） = ~ nf（hg）;
       end
       i=i+1;
   end
   f = nf ;                 %把新的种群赋值给f ，以方便下一轮循环
   f （1:） =fBest ;      % 保留最优个体在新种群中
   trace（k）=maxFit ;%历代最优适应度
end
xBest ;%最优个体
%% 画图
figure 
plot（trace）
xlabel（‘迭代次数‘）
ylabel（‘目标函数值‘）
title（‘适应度进化曲线‘）