％ [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation)
％ Finds a maximum of a function of several variables.
％ fmaxga solves problems of the form:
％ max F(X) subject to: LB <= X <= UB
％ BestPop--------最優的群體即為最優的染色體群
％ Trace----------最佳染色體所對應的目標函數值
％ FUN------------目標函數
％ LB-------------自變量下限
％ UB-------------自變量上限
％ eranum---------種群的代數,取100--1000(默認1000)
％ popsize--------每一代種群的規模；此可取50--100(默認50)
％ pcross---------交叉的概率,此概率一般取0.5--0.85之間較好(默認0.8)
％ pmutation------變異的概率,該概率一般取0.05-0.2左右較好(默認0.1)
％ options--------1×2矩陣,options(1)=0二進制編碼(默認0),option(1)~=0十進制編碼,option(2)設定求解精度(默認1e-4)
標簽：
pmutation
BestPop
popsize
maximum
上傳時間：
2015-07-16
上傳用戶：Altman
提供一個人工免疫算法源程序，其算法過程包括：
1.設置各參數
2.隨機產生初始群體——pop=initpop(popsize,chromlength)
3.故障類型編碼，每一行為一種！code(1,:)，正常；code(2,:)，50％；code(3,:)，150％。實際故障測得數據編碼，這里Unnoralcode,188％
4.開始迭代（M次）：
1）計算目標函數值：歐氏距離[objvalue]=calobjvalue(pop,i)
2）計算群體中每個個體的適應度fitvalue=calfitvalue(objvalue)
3）選擇newpop=selection(pop,fitvalue) objvalue=calobjvalue(newpop,i) ％
交叉newpop=crossover(newpop,pc,k) objvalue=calobjvalue(newpop,i) ％
變異newpop=mutation(newpop,pm) objvalue=calobjvalue(newpop,i) ％
5.求出群體中適應值最大的個體及其適應值
6.迭代停止判斷。
標簽：
人工免疫
算法
源程序
上傳時間：
2014-01-01
上傳用戶：trepb001
