遗传算法与优化问题(重要-有代码)【精品毕业设计】(完整版)

要说明的是：附录11的算法与这里不完全相同．为保证收敛性，附录11的算法作了修正，采用了最佳个体保存方法（elitist model），具体内容将在后面给出介绍．

由初始群体的入选概率我们淘汰掉a3，再加入a2补足成与群体同样大小的种群得到newpop(1)如下：

newpop(1)={

<1101011101001100011110>， %% a1 <1000011001010001000010>， %% a2 <1000011001010001000010>， %% a2 <0110101001101110010101>} %% a4 （5）交叉

交叉也就是将一组染色体上对应基因段的交换得到新的染色体，然后得到新的染色体组，组成新的群体（Matlab程序参见附录9）．

我们把之前得到的newpop(1)的四个个体两两组成一对，重复的不配对，进行交叉．（可以在任一位进行交叉）

<110101110 1001100011110>， <1101011101010001000010> 交叉得：

<100001100 1010001000010>， <1000011001001100011110>

<10000110010100 01000010>， <1000011001010010010101> 交叉得：

<01101010011011 10010101>， <0110101001101101000010>

通过交叉得到了四个新个体，得到新的群体jchpop (1)如下： jchpop(1)={

<1101011101010001000010>， <1000011001001100011110>， <1000011001010010010101>， <0110101001101101000010>}

这里采用的是单点交叉的方法，当然还有多点交叉的方法，不过有些烦琐，这里就不着重介绍了． （6）变异

变异也就是通过一个小概率改变染色体位串上的某个基因（Matlab程序参见附录10）．

现把刚得到的jchpop(1)中第3个个体中的第9位改变，就产生了变异，得到了新的群体pop(2)如下：

pop(2)= {

<1101011101010001000010>， <1000011001001100011110>，

<1000011011010010010101>，

<0110101001101101000010> }

然后重复上述的选择、交叉、变异直到满足终止条件为止． （7）终止条件

１４５