目录

1.算法描述

2.仿真效果预览

3.MATLAB核心程序

4.完整MATLAB

---

1.算法描述

        遗传算法 (Genetic Algorithm，GA) 是一种基于规律进化的随机优化搜索算法，该算法最早是由Holland在1975年提出的。遗传算法的主要优势是通过对目标对象进行优化操作，并通过基于概率的搜索方法，获得相应的搜索空间，因此GA算法具有较强的全局搜索能力。由于遗传算法特有的全局搜索能力，其被广泛使用在各个领域，包括信号处理，机器学习以及控制域等。遗传优化的主要算法流程图如下图所示：

       遗传算法中每一条染色体，对应着遗传算法的一个解决方案，一般我们用适应性函数（fitness function）来衡量这个解决方案的优劣。所以从一个基因组到其解的适应度形成一个映射。遗传算法的实现过程实际上就像自然界的进化过程那样。

遗传算法的一般步骤：

1.随机产生种群

2.根据策略判断个体的适应度，是否符合优化准则，若符合，输出最佳个体及其最优解，结束。否则，进行下一步

3.依据适应度选择父母，适应度高的个体被选中的概率高，适应度低的个体被淘汰

4.用父母的染色体按照一定的方法进行交叉，生成子代

5.对子代染色体进行变异

由交叉和变异产生新一代种群，返回步骤2，直到最优解产生

基本遗传算法的具体过程如下：

2.仿真效果预览

matlab2022a仿真如下：

 

3.MATLAB核心程序

.........................................................
Lens = data(:,2);NUM  = length(Lens);%x,y
%间隔
SCALE= 45/60;%转换为小时
Sums = 29;   %每一行的最大值不大于29
Sums2= 24;   %每一行的总和不大于24
%纵坐标最大范围
Ymax = 24;
%放射变换
%根据遗传算法进行参数的拟合
MAXGEN = 400;
NIND   = 2000;
Chrom  = crtbp(NIND,NUM*10);
%49个变量的区间
Areas  = [];
for i = 1:NUMAreas  = [Areas,[1;Ymax]];%最多24行
endFieldD = [rep([10],[1,NUM]);Areas;rep([0;0;0;0],[1,NUM])];Error  = zeros(1,MAXGEN);
Error2 = zeros(1,MAXGEN);
for a=1:1:NIND J(a,1)  = 0;
end
Objv  = (J+eps);
gen   = 0; while gen < MAXGEN;   genFitnV=ranking(Objv);    Selch=select('sus',Chrom,FitnV);    Selch=recombin('xovsp', Selch,0.995);   Selch=mut( Selch,0.005);   phen1=bs2rv(Selch,FieldD);   for a=1:1:NIND  YY  = round(phen1(a,:));flag= [];%设置约束条件,间隔for i = 1:Ymaxindx{i} = find(YY == i);%找到每一行的序列号endXs=[];Ys=[];Ls=[];flag = zeros(1,Ymax);Numss= 0;for i = 1:YmaxNO   = indx{i};X0   = [];Ltmps= Lens(NO);Ytmps= YY(NO);for j = 1:length(NO)if j == 1X0(j) = 0;elseX0(j) = X0(j-1)+Ltmps(j-1)+SCALE; endendXs=[Xs,X0];Ys=[Ys,Ytmps]; Ls=[Ls,Ltmps'];if  isempty(NO)==0Numss = Numss+1; if X0(end) + Ltmps(end) <= Sums & sum(Ltmps) <= Sums2flag(i)=1;elseflag(i)=0;endendendepls = func_obj(Xs,Ys,Ls,Ymax);%符合约束条件的进行输出E       = epls;JJ(a,1) = E;XX_{a}  = Xs;YY_{a}  = Ys;LL_{a}  = Ls;endObjvsel=(JJ);    [Chrom,Objv]=reins(Chrom,Selch,1,0,Objv,Objvsel);   gen=gen+1; Error(gen)=min(JJ);if gen <= 64Error2(gen) = mean(Error(1:gen));elseError2(gen) = mean(Error(gen-64:gen)); end
end figure;
plot(Error2,'b-o');
xlabel('迭代次数');
ylabel('优化目标值');
grid on%得到最优坐标
[V,I] = min(JJ);
X_opt = XX_{I};
Y_opt = YY_{I};
L_opt = LL_{I};
%画出甘特图for i = 1:length(L_opt)indx   = find(Lens==L_opt(i))NO2_(i)= indx(1);
endfigure;
for i=1:length(X_opt)  hold on;plotRec(X_opt(i),X_opt(i)+L_opt(i),Y_opt(i)); text((X_opt(i)+X_opt(i)+L_opt(i))/2,Y_opt(i)-0.5,num2str(NO2_(i)));
end
xlabel('时间');
ylabel('序号');
title('甘特图');
02_053m

4.完整MATLAB

V