差分演进法

matlab的旋律

clear all
close all
clc

t = cputime;
Gm = 10000;%Gm 最大迭代次数
F0 = 0.5;%变异率
Np = 100;
CR = 0.9;%交叉概率
G= 1; %初始化迭代数
D = 10; %所求问题的维数
Gmin = zeros(1,Gm); %迭代的最优值
best_x = zeros(Gm,D); %迭代的最优解
value = zeros(1,Np);

%产生初始种群
xmin = -10;
xmax = 100;%带负数的下界

X0 = (xmax-xmin)*rand(Np,D) + xmin;  %产生Np个D维向量
XG = X0;

XG_next_1= zeros(Np,D); %初始化
XG_next_2 = zeros(Np,D);
XG_next = zeros(Np,D);

while G <= Gm
    %%%%%%%%%%%%%%%%%%%%%%%%变异操作
    for i = 1:Np
        %产生j,k,p三个不同的数
        a = 1;
        b = Np;
        dx = randperm(b-a+1) + a- 1;
        j = dx(1);
        k = dx(2);
        p = dx(3);
        %要保证与i不同
        if j == i
            j  = dx(4);
        else if k == i
                k = dx(4);
            else if p == i
                    p = dx(4);
                end
            end
        end
        %变异算子
        suanzi = exp(1-Gm/(Gm + 1-G));
        F = F0*2.^suanzi;
        %变异的个体来自三个随机父代
        son = XG(p,:) + F*(XG(j,:) - XG(k,:));
        for j = 1: D
            if son(1,j) >xmin  & son(1,j) < xmax %防止变异超出边界
                XG_next_1(i,j) = son(1,j);
            else
                XG_next_1(i,j) = (xmax - xmin)*rand(1) + xmin;
            end
        end
    end
    %%%%%%%%%%%%%%%%%%%%%%%---交叉操作
    for i = 1: Np
        randx = randperm(D);% [1,2,3,...D]的随机序列
        for j = 1: D
            
            if rand > CR & randx(1) ~= j % CR = 0.9
                XG_next_2(i,j) = XG(i,j);
            else
                XG_next_2(i,j) = XG_next_1(i,j);
            end
        end
    end
   
    %%%%%%%%%%%%%%%%%%----选择操作---%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    for i = 1:Np
        if f(XG_next_2(i,:)) < f(XG(i,:))
            XG_next(i,:) = XG_next_2(i,:);
        else
            XG_next(i,:) = XG(i,:);
        end
    end
    %找出最小值
    for i = 1:Np
        value(i) = f(XG_next(i,:));
    end
    [value_min,pos_min] = min(value);
    %第G代中的目标函数的最小值
    Gmin(G) = value_min;
    %保存最优的个体
    best_x(G,:) = XG_next(pos_min,:);
    XG = XG_next;
    trace(G,1) = G;
    trace(G,2) = value_min;
    G = G + 1;
end
[value_min,pos_min] = min(Gmin);

disp(['迭代次数为:',num2str(G)])
disp(['最优解为:',num2str(best_x(pos_min,:))])
disp(['函数值为:',num2str(value_min)])
fprintf('DE所耗的时间为：%f \n',cputime - t);
%画出迭代次数跟最优函数值之间的关系图
plot(trace(:,1),trace(:,2),'r-*');
xlabel('迭代次数')
ylabel('最优函数值')

function f = f(x)
%测试函数
    f = sum(x.^2-10*cos(2.*pi*x)+10);
end

matlab的小调

http://wenku.baidu.com/link?url= ... o=pcqq.temporaryc2c

测试函数