通信网络链路容量和流量优化遗传算法MATLAB源码

GreenSim团队

function [Zp,Xp,Yp,LC1,LC2]=GACFA(M,N,Pm)
%--------------------------------------------------------------------------
%  GACFA.m
%  Genetic Algorithm for Capacity and Flow Assignment
%  链路容量和流量优化分配的遗传算法
%  GreenSim团队原创作品，转载请注明
%--------------------------------------------------------------------------
%  函数功能
%  使用遗传算法求解通信网链路容量和流量联合优化分配问题
%--------------------------------------------------------------------------
%  参考文献
%  叶大振,吴新余.基于遗传算法的计算机通信网优化设计[J].
%  南京邮电学院学报.1996,16(2):9-15
%--------------------------------------------------------------------------
%  输入参数列表
%  M     遗传进化迭代次数
%  N     种群规模(取偶数)
%  Pm    变异概率
%--------------------------------------------------------------------------
%  输出参数列表
%  Zp    目标函数最优值
%  Xp    路由选择决策变量最优值
%  Yp    线路型号决策变量最优值
%  LC1   收敛曲线1，各代最优个体适应值的记录
%  LC2   收敛曲线2，各代群体平均适应值的记录
%--------------------------------------------------------------------------
%第一步：载入数据和输出变量初始化
load DATA_CFA;
Xp=zeros(14,1);
Yp=zeros(8,3);
LC1=zeros(1,M);
LC2=LC1;
%第二步：随机产生初始种群
farm_X=zeros(14,N);
farm_Y=zeros(8,3*N);
for i=1:N
    for j=1:2:13
        RAND=rand;
        if RAND>0.5
            farm_X(j,i)=1;
        else
            farm_X(j+1,i)=1;
        end
    end
end
for i=1:N
    for j=1:8
        RAND=rand;
        if RAND<1/3
            farm_Y(j,3*i-2)=1;
        elseif RAND>2/3
            farm_Y(j,3*i)=1;
        else
            farm_Y(j,3*i-1)=1;
        end
    end
end
counter=0;%设置迭代计数器
while counter<M%停止条件为达到最大迭代次数   
    %第三步：交叉
    newfarm_X=zeros(14,N);
    newfarm_Y=zeros(8,3*N);
    Ser=randperm(N);
    %对X做交叉
    for i=1:2:(N-1)
        A_X=farm_X(:,Ser(i));
        B_X=farm_X(:,Ser(i+1));
        cp=2*unidrnd(6);
        a_X=[A_X(1:cp);B_X((cp+1):end)];
        b_X=[B_X(1:cp);A_X((cp+1):end)];
        newfarm_X(:,i)=a_X;
        newfarm_X(:,i+1)=b_X;
    end
    %对Y做交叉
    for i=1:2:(N-1)
        A_Y=farm_Y(:,(3*Ser(i)-2):(3*Ser(i)));
        B_Y=farm_Y(:,(3*Ser(i+1)-2):(3*Ser(i+1)));
        cp=unidrnd(7);
        a_Y=[A_Y(1:cp,:);B_Y((cp+1):end,:)];
        b_Y=[B_Y(1:cp,:);A_Y((cp+1):end,:)];
        newfarm_Y(:,(3*i-2):(3*i))=a_Y;
        newfarm_Y(:,(3*i+1):(3*i+3))=b_Y;
    end
    %新旧种群合并
    FARM_X=[farm_X,newfarm_X];
    FARM_Y=[farm_Y,newfarm_Y];   
    %第四步：选择复制
    Ser=randperm(2*N);
    FITNESS=zeros(1,2*N);
    fitness=zeros(1,N);
    for i=1:(2*N)
        X=FARM_X(:,i);
        Y=FARM_Y(:,(3*i-2):(3*i));
        FITNESS(i)=COST(X,Y,x1_x14,F_x1_x14,A,Q,C,S,b);
    end
    for i=1:N
        f1=FITNESS(Ser(2*i-1));
        f2=FITNESS(Ser(2*i));
        if f1<f2
            farm_X(:,i)=FARM_X(:,Ser(2*i-1));
            farm_Y(:,(3*i-2):(3*i))=FARM_Y(:,(3*Ser(2*i-1)-2):(3*Ser(2*i-1)));
            fitness(i)=f1;
        else
            farm_X(:,i)=FARM_X(:,Ser(2*i));
            farm_Y(:,(3*i-2):(3*i))=FARM_Y(:,(3*Ser(2*i)-2):(3*Ser(2*i)));
            fitness(i)=f2;
        end
    end
    %记录最佳个体和收敛曲线
    minfitness=min(fitness);
    meanfitness=mean(fitness);
    LC1(counter+1)=minfitness;
    LC2(counter+1)=meanfitness;
    pos=find(fitness==minfitness);
    Xp=farm_X(:,pos(1));
    Yp=farm_Y(:,(3*pos(1)-2):(3*pos(1)));
    Zp=minfitness;   
    %第五步：变异
    for i=1:N
        if Pm>rand
            GT_X=farm_X(:,i);
            GT_Y=farm_Y(:,(3*i-2):(3*i));
            pos1=2*unidrnd(7);
            if GT_X(pos1)==1
                GT_X(pos1-1)=1;
                GT_X(pos1)=0;
                farm_X(:,i)=GT_X;
            elseif GT_X(pos1)==0
                GT_X(pos1-1)=0;
                GT_X(pos1)=1;
                farm_X(:,i)=GT_X;
            else
            end
            pos2=unidrnd(8);
            GT_Y(pos2,:)=zeros(1,3);
            GT_Y(pos2,unidrnd(3))=1;
        end
    end   
    counter=counter+1
end
Xp=Xp';
Yp=Yp';
%plot(LC1)
%hold on
plot(LC2)

hjd2003

谢谢楼主分享！学习学习！！！！！