GreenSimC原創(chuàng)】非線性整數(shù)規(guī)劃的遺傳算法Matlab程序(

1、GreenSim.C原創(chuàng)】非線性整數(shù)規(guī)劃的遺傳算法Matlab程序(附圖)(2007-03-10 10:34:04)通常，非線性整數(shù)規(guī)劃是一個具有指數(shù)復雜度的NP問題，如果約束較為復雜，Matlab優(yōu)化工具箱和 一些優(yōu)化軟件比如lingo等，常常無法應用，即使能應用也不能給出一個較為令人滿意的解。這時就需要 針對問題設計專門的優(yōu)化算法。下面舉一個遺傳算法應用于非線性整數(shù)規(guī)劃的編程實例，供大家參考！模型的形式和適應度函數(shù)定義如下:mm Z =如 . 口：(1 一 %)， 沁 2-1min 5 =2-1 j-i2-102.20 j-i，=1,2島，挪J =技，3方其中氣=適應度函數(shù)為：Fitnes

2、s W3) - (%)，。)曝舊2-1 j-i5044其中k= 2,即：石二Z二弓. nilf) 冷；尤二&=22凱布J-l!-12-1 J-1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4x5 0的0-1矩陣%FARM 細胞結構存儲的當前種群，它包含了個體x%ex50的系數(shù)矩陣%qx50的系數(shù)矩陣%wx50的系數(shù)矩陣%gamma=0.98;N=length(FARM);% 種群規(guī)模F1=ze

3、ros(1,N);F2=zeros(1,N);for i=1:Nxx=FARMi;ppp=(1-xx)+(1-q).*xx;F1(i)=sum(w.*prod(ppp);F2(i)=sum(sum(e.*xx);endppp=(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function Xp,LC1,L

4、C2,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% 參考調用格式Xp,LC1,LC2,LC3,LC4=MYGA(50, 4 0,0.3)%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=zeros(1,M);LC2=zeros(1,M);LC3=zeros(1,M);LC4

5、=zeros(1,M);Best=inf;%第二步：隨機產生初始種群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生過程x=zeros(4,50) ;%x每一列的1的個數(shù)隨機決定for i=1:50R=rand;Col=zeros(4,1);if R0.9RP=randperm(4);Col(RP(1:2)=1;elseRP=randperm(4);Col(RP(1:3)=1;endx(:,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(Temp120);i

6、f length(Temp2)=0k=k+1;farmk=x;endend%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);%兩兩隨機配對的配對表A=farmSer(1);取出父代 AB=farmSer(2);取出父代 BP0=unidrnd(4 9);%隨機選擇交叉點a=A(:,1:P0),B(:,(P0 + 1):end);產生子代 ab=B(:,1:P0),A(:,(P0 + 1):end);產生子代 bnewfarm2*N-

7、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=1:(N-1)A=farmSer(i);B=farmSer(i+1);P0=unidrnd(49);a=A(:,1:P0),B(:,(P0+1):end);b=B(:,1:P0),A(:,(P0+1):end);newfarm2*i-1=a;newfarm2*i=b;endFARM=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=1:(3*N)x=FARMi;sum1=sum(x,1);sum2

8、=sum(x,2);flag1=find(sum1=0);flag2=find(sum1=4);flag3=find(sum220);if length(flag1)+length(flag2)+length(flag3)0FLAG(i)=0如裸不滿足約束，用0加以標記endendNN=length(find(FLAG)=1);滿足約束的個體數(shù)目，它一定大于等于NNEWFARM=cell(1,NN);以下過程是剔除不滿主約束的個體kk=0;for i=1:(3*N)if FLAG(i)=1kk=kk+1;NEWFARMkk=FARMi;endend以下過程是計算并存儲當前種群每個個體的適應值S

9、YZ=zeros(1,NN);syz=zeros(1,N);for i=1:NNx=NEWFARMi;SYZ(i)=FITNESS2(x,NEWFARM,e,q,w);調用適應值子函數(shù) end k=0;下面是選擇復制，選擇較優(yōu)的N個個體復制到下一代 while kminSYZ=min(SYZ);posSYZ=find(SYZ=minSYZ);POS=posSYZ(1);k=k+1;farmk=NEWFARMPOS;syz(k)=SYZ(POS);SYZ(POS)=inf;end%己錄和更新，更新最優(yōu)個體，記錄收斂曲線的數(shù)據(jù) minsyz=min(syz);meansyz=mean(syz);p

10、os=find(syz=minsyz);LC3(counter+1)=meansyz;if minsyzBest=minsyz;Xp=farmpos(1);endLC4(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:Nif Pmranc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 R0.9RP=randperm

11、(4);Col(RP(1:2)=1;elseRP=randperm(4);Col(RP(1:3)=1;end書 面是判斷變異產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(Temp120);if length(Temp2)=0farmi=AA;endendendcounter=counter+1end%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