DE算法matlab实现（附带测试函数代码）
%根据文章《Differential Evolution Algorithm With Strategy Adaptation for Global Numerical Optimization》的算法clc;clear;close all
%clear
maxGen=500;%最大迭代次数
Gen=1;%进化代数，或者当前迭代代数
Xmax=30;%搜索上界，可以根据需要改为向量形式
Xmin=-30;%搜索下界
Dim=20;%个体维数
NP=100;%population size,种群规模
F=0.5;%scaling factor 缩放因子
CR=0.3;%crossover rate 交叉概率
index=3;%测试方程索引，不同值对应不同的测试函数
mutationStrategy=3;%变异策略
crossStrategy=1;%交叉策略
%% 初始化
X=(Xmax-Xmin)*rand(NP,Dim)+Xmin; %X行代表个体i，列代表个体i的维度j
%% 迭代循环
for Gen=1:maxGen
for i=1:NP
fitnessX(i)=testFun(X(i,:),index);%测试函数求值,fitnessX表示X的适应值
end
=min(fitnessX);
bestX=X(indexbestX,:);%bestX表示最优值对应的位置
% 变异
V=mutation(X,bestX,F,mutationStrategy);%调用变异函数
% 交叉
U=crossover(X,V,CR,crossStrategy);%调用交叉函数
% 选择
for i=1:NP
fitnessU(i)=testFun(U(i,:),index);
if fitnessU(i)<=fitnessX(i)
X(i,:)=U(i,:);
fitnessX(i)=fitnessU(i);
if fitnessU(i)<fitnessbestX
bestX=U(i,:);
fitnessbestX=fitnessU(i);
end
end
end
% 最优值记录
fprintf('%d %f\n',Gen,fitnessbestX);%输出当代最优解
bestfitness(Gen)=fitnessbestX;
optValue=num2str(fitnessbestX);
Location=num2str(bestX);
disp(strcat('the optimal value','=',optValue));
disp(strcat('the best location','=',Location));
end
% 绘图
plot(bestfitness);
xlabel('Gen');
ylabel('bestfitness');
页:
[1]