18基于遗传算法(粒子群算法、人工鱼群算法等)的投影寻踪模型MATLAB源代码Word文档格式.docx
《18基于遗传算法(粒子群算法、人工鱼群算法等)的投影寻踪模型MATLAB源代码Word文档格式.docx》由会员分享，可在线阅读，更多相关《18基于遗传算法(粒子群算法、人工鱼群算法等)的投影寻踪模型MATLAB源代码Word文档格式.docx（6页珍藏版）》请在冰点文库上搜索。
% GreenSim团队——专业级算法设计&
代写程序
% 欢迎访问GreenSim团队主页→
%%整理输出结果Best_a=（BESTX{K}）'
;
%方向向量d=zeros（n,p）;
Djmax=max（D）;
Djmin=min（D）;
fori=1:
n
d（i,:
）=（D（i,:
）-Djmin）./（Djmax-Djmin）;
endZ=zeros（n,1）;
Z（i）=abs（sum（Best_a.*d（i,:
）））;
endZ=abs（Z）;
figure%投影散布图plot（abs（Z）,'
bd'
'
LineWidth'
1,'
MarkerEdgeColor'
k'
MarkerFaceColor'
b'
MarkerSize'
5）;
第6页
%axis（[1,12,0,2.5]）;
%图形边界根据需要显示gridon
xlabel（'
'
FontName'
TimesNewRoman'
FontSize'
12）;
ylabel（'
ProjectiveValue'
TimesNewRoman'
Fontsize'
figure
[newZ,I]=sort（Z）;
plot（abs（newZ）,'
%图形边界根据需要显示
gridon
%%
disp（'
最佳投影向量为'
）disp（Best_a）;
function[BESTX,BESTY,ALLX,ALLY]=IGAUCP（K,N,Pm,LB,UB,D,Alpha）
%%遗传算法求解投影寻踪模型
%%输入参数列表
%K 迭代次数
%N 种群规模，要求是偶数
%Pm 变异概率
%LB 决策变量的下界，M×
1的向量
%UB 决策变量的上界，M×
%D 原始样本数据，n×
p的矩阵
%Alpha 窗口半径系数，典型取值0.1
%%输出参数列表
%BESTX K×
1细胞结构，每一个元素是M×
1向量，记录每一代的最优个体
%BESTY K×
1矩阵，记录每一代的最优个体的评价函数值
%ALLX K×
N矩阵，记录全部个体
%ALLY K×
N矩阵，记录全部个体的评价函数值
M=length（LB）;
%决策变量的个数
%种群初始化，每一列是一个样本farm=zeros（M,N）;
fori=1:
M
x=unifrnd（LB（i）,UB（i）,1,N）;
farm（i,:
）=x;
end
%输出变量初始化
ALLX=cell（K,1）;
%细胞结构，每一个元素是M×
N矩阵，记录每一代的个体
ALLY=zeros（K,N）;
%K×
N矩阵，记录每一代评价函数值
BESTX=cell（K,1）;
BESTY=zeros（K,1）;
k=1;
%迭代计数器初始化
%%第二步：
迭代过程
whilek<
=K
%%以下是交叉过程
newfarm=zeros（M,2*N）;
Ser=randperm（N）;
%两两随机配对的配对表A=farm（:
Ser
（1））;
B=farm（:
Ser
（2））;
P0=unidrnd（M-1）;
a=[A（p>
产生子代a
b=[B（p>
产生子代b
newfarm（:
2*N-1）=a;
%加入子代种群newfarm（:
2*N）=b;
（N-1）
A=farm（:
Ser（i））;
Ser（i+1））;
a=[A（p>
2*i-1）=a;
newfarm（:
2*i）=b;
FARM=[farm,newfarm];
%%选择复制
SER=randperm（3*N）;
FITNESS=zeros（1,3*N）;
fitness=zeros（1,N）;
（3*N）
Beta=FARM（:
i）;
FITNESS（i）=FIT（Beta,D,Alpha）;
N
f1=FITNESS（SER（3*i-2））;
f2=FITNESS（SER（3*i-1））;
f3=FITNESS（SER（3*i））;
iff1<
=f2&
&
f1<
=f3farm（:
i）=FARM（:
SER（3*i-2））;
fitness（:
i）=FITNESS（:
elseiff2<
=f1&
f2<
SER（3*i-1））;
else
farm（:
SER（3*i））;
fitness（:
%%记录最佳个体和收敛曲线
X=farm;
Y=fitness;
ALLX{k}=X;
ALLY（k,:
）=Y;
minY=min（Y）;
pos=find（Y==minY）;
BESTX{k}=X（:
pos
（1））;
BESTY（k）=minY;
%%变异
ifPm>
rand&
pos
（1）~=iAA=farm（:
BB=GaussMutation（AA,LB,UB）;
farm（:
i）=BB;
disp（k）;
k=k+1;
源代码运行结果展示
-5
-10
值数函
-15
-20
0 50 100 150 200 250 300
迭代次数
6
5
eu 4
laV
v
e 3
t
ice
r
jo
P 2
1
00 10 20 30 40 50 60 70
eu
4
ev
it
3
ce
P
2
10
20
30
40
50
60
70
升级会员 