遗传算法实现公交车调度MATLAB

遗传算法实现公交车调度，人工智能课程设计，自己原创，在MATLAB上调试通过。

clear all;
close all;
clc;

%变量初始化
populationSize=80;   %群体大小  
generationSize=800;     %进化代数
codeLength=35;  %编码长度
children=zeros（populationSize7）; %存储子代分量及适应度
pr=0.15;    %复制概率 
pm=0.1;     %变异概率
pc=0.60;    %交叉概率
E=round（rand（populationSizecodeLength））;    %随机产生二进制串

%主函数
for k=1:1:generationSize
    
for s=1:1:populationSize
x=E（s:）;
temp=zeros（17）;%临时保存子代各分量的十进制值
%编码
for i=1:35
    if i<=6
        temp（1）=temp（1）+x（i）*2^（i-1）;
    elseif i>=7 && i<=13
        temp（2）=temp（2）+x（i）*2^（i-6-1）;
    elseif i>=14 && i<=19
        temp（3）=temp（3）+x（i）*2^（i-13-1）;
    elseif i>=20 && i<=25
        temp（4）=temp（4）+x（i）*2^（i-19-1）;
    elseif i>=26 && i<=30
        temp（5）=temp（5）+x（i）*2^（i-25-1）;
    elseif i>=31 && i<=35
        temp（6）=temp（6）+x（i）*2^（i-30-1）;
    end
end
children（s1）=round（60*temp（1）/（2^6-1））;
children（s2）=round（70*temp（2）/（2^7-1））;
children（s3）=round（60*temp（3）/（2^6-1））;
children（s4）=round（50*temp（4）/（2^6-1））;
children（s5）=round（20*temp（5）/（2^5-1））;
children（s6）=round（30*temp（6）/（2^5-1））;
children（s7）=round（children（s1）+children（s2）+children（s3）+children（s4）+children（s5）+children（s6））;

while children（s1）+children（s6）<60||children（s1）+children（s2）<70||children（s2）+children（s3）<60||...
        children（s3）+children（s4）<50||children（s4）+children（s5）<20||children（s5）+children（s6）<30
    E（s:）=round（rand（1codeLength））;
    x=E（s:）;
    temp=zeros（17）;
 for i=1:35
    if i<=6
        temp（1）=temp（1）+x（i）*2^（i-1）;
    elseif i>=7 && i<=13
        temp（2）=temp（2）+x（i）*2^（i-6-1）;
    elseif i>=14 && i<=19
        temp（3）=temp（3）+x（i）*2^（i-13-1）;
    elseif i>=20 && i<=25
        temp（4）=temp（4）+x（i）*2^（i-19-1）;
    elseif i>=26 && i<=30
        temp（5）=temp（5）+x（i）*2^（i-25-1）;
    elseif i>=31 && i<=35
        temp（6）=temp（6）+x（i）*2^（i-30-1）;
    end
 end
children（s1）=round（60*temp（1）/（2^6-1））;
children（s2）=round（70*temp（2）/（2^7-1））;
children（s3）=round（60*temp（3）/（2^6-1））;
children（s4）=round（50*temp（4）/（2^6-1））;
children（s5）=round（20*temp（5）/（2^5-1））;
children（s6）=round（30*temp（6）/（2^5-1））;
children（s7）=round（children（s1）+children（s2）+children（s3）+children（s4）+children（s5）+children（s6））;
end
end

% Step 1 : 确定适应度函数
fitness=1./children（:7）;                      
[orderFitnessindexFitness]=sort（fitness）;     %orderFitness按行从小到大排序的新矩阵indexFitness元素位置构成的新矩阵                                                                                 
bestFitness=orderFitness（populationSize）;      %bestFitness=max（fitness）
bestS=E（indexFitness（populationSize）:）;       %bestS 精英保留

%Step 2 : 复制操作
sumFitness=sum（fitness）;
fitnessSize=（orderFitness/sumFitness）*populationSize;
fitnessSelect=floor（fitnessSize）;        %朝负无穷大方向取整                        
kk=1;
for i=1:1:populationSize
    for j=1:1:fitnessSelect（i）            %Select and Reproduce 
        TempE（kk:）=E（indexFitness（i）:）;  
        kk=kk+1;                    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      91648  2014-03-21 19:37  GeneticAlgorithm\BusDispatch.doc

     文件       3981  2013-06-20 22:23  GeneticAlgorithm\GeneticAlgorithm.m

     目录          0  2014-03-21 19:50  GeneticAlgorithm

----------- ---------  ---------- -----  ----

                95629                    3