用遗传算法解决多元函数的优化问题

opt_minmax=1;%目标优化类型；1最大化、-1最小化

num_ppu=60;   %种群规模；个体个数

num_gen=100;  %遗传最大代数

num_v=2;     %变量个数

len_ch=20;    %基因长度

gap=0.9;      %代沟

sub=-10;      %函数取值下限

up=10;        %函数取值的上限

cd_gray=1;    %为防止汉明悬崖，使用格雷编码；若不使用，则取值为0

sc_log=0;   

trace=zeros(num_gen,2);

fieldd=[rep([len_ch],[1,num_v]);rep([sub;up],[1,num_v]);rep([1-cd_gray;sc_log;1;1],[1,num_v])];

chrom=crtbp(num_ppu,len_ch*num_v);%区域描述器

k_gen=0;

x=bs2rv(chrom,fieldd);

fun_v=fun_mutv(x(:,1),x(:,2));%计算目标函数值

[tx,ty]=meshgrid(-10:.1:10);

mesh(tx,ty,fun_mutv(tx,ty))

xlabel('x')

ylabel('y')

zlabel('z')

title('多元函数优化结果')

holdon

whilek_gen<num_gen

    fit_v=r