【求助】关于遗传算法

ycr2008

大家帮忙看看这个程序，调试了很久找不到问题在哪里:(  。这是我把遗传算法原有的M程序改写了一下用S函数来实现，原有程序是可以运行的，改成S函数就出错了

1. 
   
2. function [sys,x0,str,ts]=yichuan(t,x,u,flag);
   
3. Size=80;
   
4. G=100;
   
5. CodeL=10;
   
6. umax=2.048;
   
7. umin=-2.048;
   
8. switch flag,
   
9.        case 0,    %初始化
   
10.                 [sys,x0,str,ts]=mdlInitializeSizes;
    
11.        case 2,   %更新模块离散状态
    
12.                 sys=mdlUpdate(t,x,u);         
    
13.        case 3,   %计算输出向量
    
14.                 sys=mdlOutputs(t,x,u);
    
15.        case 9,   %结束仿真
    
16.                 sys=mdlTerminate(t,x,u);
    
17.     case {1,4}
    
18.         sys=[];
    
19.     otherwise   %无效输入处理
    
20.         error(['Unhandled flag=',num2str(flag)]);
    
21. end   
    
22. %**********************************************************************
    
23. function[sys,x0,str,ts]=mdlInitializeSizes()
    
24. sizes=simsizes;
    
25. sizes.NumContStates=0;
    
26. sizes.NumDiscStates=0;
    
27. sizes.NumOutputs=2;
    
28. sizes.NumInputs=1;
    
29. sizes.DirFeedthrough=0;
    
30. sizes.NumSampleTimes=1;
    
31. sys=simsizes(sizes);
    
32. x0=[];      %无状态量
    
33. str=[];     %str为空矩阵
    
34. ts=[0 0];
    
35. %**********************************************************************
    
36. function sys=mdlUpdate(t,x,u);
    
37. sys=[];
    
38. E=round(rand(Size,2*CodeL));
    
39. %****** Step 1 : Evaluate BestJ ******
    
40. BestJ(k)=min(u);          % 计算本代中的，某个体达到的最小目标值
    
41. fi=1/u;                          %Fitness Function    适应度
    
42. [Oderfi,Indexfi]=sort(fi);     %Arranging fi small to bigger 从小到大排序，
    
43.                                % 排序结果：Oderfi 原有下标；Indexfi
    
44. Bestfi=Oderfi(Size);           %Let Bestfi=max(fi)   最大适应度在最后一个位置
    
45. BestS=E(Indexfi(Size),:);      %Let BestS=E(m), m is the Indexfi belong to max(fi)
    
46.                                % 通过序号，取出最优个体
    
47. bfi(k)=Bestfi;                 % 记录本代的最大适应度
    
48. %****** Step 2 : Select and Reproduct Operation******  复制
    
49.    fi_sum=sum(u);                 % 本代各个体适应度代数和
    
50.    fi_Size=(Oderfi/fi_sum)*Size;   % 适应度比例＝个体适应度/平均适应度
    
51.    
    
52.    fi_S=floor(fi_Size);        %Selecting Bigger fi value  选较大的个体个数
    
53.    
    
54.    kk=1;
    
55.    for i=1:1:Size
    
56.       for j=1:1:fi_S(i)        %Select and Reproduce 选择复制适应度大的个体
    
57.        TempE(kk,:)=E(Indexfi(i),:);                   % 复制
    
58.          kk=kk+1;              %kk is used to reproduce
    
59.       end
    
60.    end
    
61.    
    
62. %************ Step 3 : Crossover Operation ************ 交叉
    
63. pc=0.60;                          % 交叉概率
    
64. n=ceil(20*rand);                  % 随机数0－20， 要交叉的BIT数随机发生
    
65. for i=1:2:(Size-1)               
    
66.     temp=rand;                  % 产生一个随机数来决定是否发生交叉
    
67.     if pc>temp                  % Crossover Condition 交叉条件：给定交叉概率>随机数
    
68.     for j=n:1:20
    
69.         TempE(i,j)=E(i+1,j);      % 第i与第i+1个体交叉，交叉位数从 n--20，只变后面部分
    
70.         TempE(i+1,j)=E(i,j);
    
71.     end
    
72.     end
    
73. end
    
74. TempE(Size,:)=BestS;
    
75. E=TempE;
    
76.    
    
77. %************ Step 4: Mutation Operation **************变异
    
78. %pm=0.001;
    
79. %pm=0.001-[1:1:Size]*(0.001)/Size; %Bigger fi, smaller Pm
    
80. %pm=0.0;    %No mutation
    
81. pm=0.1;     %Big mutation         % 变异概率
    
82.    for i=1:1:Size
    
83.       for j=1:1:2*CodeL
    
84.          temp=rand;               % 产生一个随机数来决定是否发生变异
    
85.          if pm>temp               %Mutation Condition 变异条件：给定变异概率>随机数
    
86.             if TempE(i,j)==0      
    
87.                TempE(i,j)=1;      % 0变1
    
88.             else
    
89.                TempE(i,j)=0;      % 1变0
    
90.             end
    
91.         end
    
92.       end
    
93.    end
    
94.    
    
95. %Guarantee TempPop(30,:) is the code belong to the best individual(max(fi))
    
96. TempE(Size,:)=BestS;
    
97. E=TempE;
    
98. end
    
99. %**********************************************************************
    
100. function sys=mdlOutputs(t,x,u);
     
101. sys=[x(1),x(2)];  %(有疑问)
     
102. for k=1:1:G
     
103. time(k)=k;                    % 记录优化代顺序数
     
104. for s=1:1:Size
     
105. m=E(s,:);                     % 取1个个体，有20比特
     
106. y1=0;y2=0;
     
107. %Uncoding
     
108. m1=m(1:1:CodeL);              % 取个体前10比特
     
109. for i=1:1:CodeL
     
110.    y1=y1+m1(i)*2^(i-1);       % 计算16进制值，2进制-->16进制
     
111. end
     
112. x1=(umax-umin)*y1/1023+umin;  % 将码转换成实际值X1
     
113. m2=m(CodeL+1:1:2*CodeL);      % 取个体后10比特
     
114. for i=1:1:CodeL
     
115.    y2=y2+m2(i)*2^(i-1);       % 计算16进制值，2进制-->16进制
     
116. end
     
117. x2=(umax-umin)*y2/1023+umin;    % 将码转换成实际值X2
     
118. %**********************************************************************
     
119. function sys=mdlTerminate(t,x,u);
     
120. sys=[];
     

复制代码

[ 本帖最后由 sigma665 于 2008-7-5 16:58 编辑 ]

sigma665

什么错误

ycr2008

老师刚刚叫开会，才看到。等下，我把错误报告发上来

[ 本帖最后由 ycr2008 于 2008-7-5 21:22 编辑 ]

ycr2008

截图怎么贴不上来呢....:'(

ycr2008

“Error evaluating parameter 'Size' in 'xin/S-Function2': Undefined function or variable 'Size'.”这是在运行仿真时出现的错误报告。S-Function2是这个遗传算法对应的S-函数模块，“xin”是搭建的系统的名字。错误报告说得比较笼统，或者我没有真正领会其中的意思，调试了几次都不行，谢谢你了。看到回帖是个意外的惊喜

ycr2008

这是我搭建的模型，通过三个S-函数来实现仿真，中间一个是待优化的系统的S函数：

[ 本帖最后由 ycr2008 于 2008-7-5 21:28 编辑 ]

sigma665

建议不要用Size做为变量名

ycr2008

好的，我把Size改为别的参数试一下。by  the way ,小西，为什么Size不适合作变量名？

ycr2008

嗯，明白了。如果变量名是Size容易跟S函数里的Size混淆，是这个原因么？我把变量名修改了，还是不对。跟同学讨论了下，没有结果:@( 。我是把遗传算法拆成了两部分，用两个S函数来表示。第三个S函数是遗传算法的目标函数部分，第一个S函数是遗传算法余下的部分（复制 交叉 变异等），可以帮我看看么？

sigma665

对遗传算法不了解

还是那个错误吗

ycr2008

是的啊，还是一样的错误提示，呜呜呜

feynmand

了解遗传算法，但是不知道s函数:@L

ycr2008

我了解遗传算法，也研究了一下S函数，但把两者结合起来就出现问题了:@(

ycr2008

大家帮忙看看，期待中...:handshake