【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】

原创

佛怒火莲 2022-03-28 18:55:33 博主文章分类：matlab完整代码 ©著作权

文章标签 matlab 开发语言遗传算法参考文献子程序 文章分类 数据结构与算法人工智能

©著作权归作者所有：来自51CTO博客作者佛怒火莲的原创作品，请联系作者获取转载授权，否则将追究法律责任

二、遗传算法简介

1 引言

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_开发语言

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_遗传算法_02

2 遗传算法理论

2.1 遗传算法的生物学基础

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_参考文献_03

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_开发语言_04

2.2 遗传算法的理论基础

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_05

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_遗传算法_06

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_07

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_开发语言_08

2.3 遗传算法的基本概念

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_09

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_遗传算法_10

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_11

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_matlab_12

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_13

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_开发语言_14

2.4 标准的遗传算法

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_遗传算法_15

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_遗传算法_16

2.5 遗传算法的特点

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_17

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_参考文献_18

2.6 遗传算法的改进方向

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_遗传算法_19

3 遗传算法流程

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_20

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_遗传算法_21

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_子程序_22

4 关键参数说明

【优化求解】基于matlab遗传算法求解道路流量优化问题【含Matlab源码 1480期】_参考文献_23

三、部分源代码

%% 清空环境
clear
clc
global W Cmax Mxf1 Mxf2 Mxf3 Mxf4 Q0 b1 b2 b3 b4 N
%% 已知参数
W=[9 14 5 9 8 7 8 7 6 10 10 9 8 6 5 10 8 9 11];            %零流时间
Cmax=[700 900 800 600 600 900 600 300 900 500 700 600 700 500 400 800 700 700 600];   %路段能力
%路段-路径矩阵
Mxf1=[1,1,1,1,1,1,0
    0,0,0,0,0,0,1
    1,1,1,0,0,0,0
    0,0,0,1,1,1,0
    0,0,0,0,0,0,0
    0,0,0,0,0,0,0
    0,0,0,0,0,0,0
    0,0,0,0,0,0,0
    1,0,0,0,0,0,0
    0,1,1,0,0,0,0
    0,0,0,1,1,0,0
    0,0,0,0,0,1,1
    0,1,0,1,0,0,0
    0,0,1,0,1,0,0
    1,0,0,0,0,0,0
    0,0,0,0,0,0,0
    1,1,0,1,0,0,0
    0,0,0,0,0,0,0
    0,0,1,0,1,1,1];
Mxf2=[1,1,1,1,0
    0,0,0,0,1
    1,1,1,0,0
    0,0,0,1,0
    0,0,0,0,0
    0,0,0,0,0
    0,0,0,0,0
    0,0,0,0,0
    1,1,0,0,0
    0,0,1,0,0
    0,0,0,1,1
    0,0,0,0,0
    0,0,1,1,1
    0,0,0,0,0
    0,1,0,0,0
    1,0,0,0,0
    0,0,0,0,0
    0,1,1,1,1
    0,0,0,0,0];
Mxf3=[0,0,0,0,0,0,0,0,0,0
    0,0,0,0,0,0,0,0,0,0
    0,0,0,0,1,1,1,0,0,0
    1,1,1,0,0,0,0,0,0,0
    0,0,0,1,0,0,0,1,1,1
    1,1,1,0,1,1,1,0,0,0
    0,0,0,0,0,0,0,1,1,1
    0,0,0,1,0,0,0,0,0,0
    0,0,0,0,0,0,1,0,0,1
    0,0,0,0,1,1,0,1,1,0
    0,1,1,0,0,0,0,0,0,0
    1,0,0,0,0,0,0,0,0,0
    0,0,1,0,0,1,0,0,1,0
    0,1,0,0,1,0,0,1,0,0
    0,0,0,1,0,0,1,0,0,1
    0,0,0,0,0,0,0,0,0,0
    0,0,1,1,0,1,1,0,1,1
    0,0,0,0,0,0,0,0,0,0
    1,1,0,0,1,0,0,1,0,0];
Mxf4=[0,0,0,0,0,0,0,0,0
    0,0,0,0,0,0,0,0,0
    0,0,0,0,0,1,1,1,0
    0,0,0,0,0,0,0,0,1
    1,1,1,1,1,0,0,0,0
    0,0,0,0,0,1,1,1,1
    0,0,1,1,1,0,0,0,0
    1,1,0,0,0,0,0,0,0
    0,0,1,1,0,1,1,0,0
    0,0,0,0,1,0,0,1,0
    0,0,0,0,0,0,0,0,1
    0,0,0,0,0,0,0,0,0
    0,0,0,0,1,0,0,1,1
    0,0,0,0,0,0,0,0,0
    0,1,0,1,0,0,1,0,0
    1,0,1,0,0,1,0,0,0
    0,0,0,0,0,0,0,0,0
    0,1,0,1,1,0,1,1,1
    0,0,0,0,0,0,0,0,0]; 
b1=length(Mxf1(1,:));
b2=length(Mxf2(1,:));
b3=length(Mxf3(1,:));
b4=length(Mxf4(1,:));
%% OD对需求
Q0=[300 500 700 300];
%% 设置遗传参数
MAXGEN=500;              %最大迭代代数    
popsize=500;             %设置初始参数，种群大小      
pc=0.8;                  %设置交叉概率
pm=0.1;                  %设置变异概率
N=b1+b2+b3+b4-4;         %编码长度
Chrom=zeros(popsize,N);%创建初始种群
for  i=1:popsize
    Chrom(i,:)=crtzq(N);   
end
ObjV=zeros(popsize,1);
for  i=1:popsize
    ObjV(i)=Objfun(Chrom(i,:));   
end
[objv,f]=sort(ObjV);
bjv(1:popsize-1)=objv(1:popsize-1);
Chrom=Chrom(f,:);
chrom=Chrom(1:popsize-1,:);
fsum=sum(bjv);
Pperpopulation=bjv/fsum;
%计算累积概率
cumsump(1)=Pperpopulation(1);
for i=2:popsize-1
   cumsump(i)=cumsump(i-1)+Pperpopulation(i);
end
cumsump=cumsump';
Generation=1;
y=zeros(MAXGEN,2);
while Generation<MAXGEN+1
    for j=1:2:popsize-1
        %选择操作
        seln=selection(cumsump);
        scro=crossover(chrom,seln,pc);
        scnew(j,:)=scro(1,:);
        scnew(j+1,:)=scro(2,:);
        %变异操作
        smnew(j,:)=mutation(scnew(j,:),pm);
        smnew(j+1,:)=mutation(scnew(j+1,:),pm);
    end
chrom=smnew;  %产生了新的种群
Chrom(1:popsize-1,:)=chrom(1:popsize-1,:);
for i=1:1:size(Chrom,1)
    [ObjV(i)]=Objfun(Chrom(i,:));
end
[objv,f]=sort(ObjV);
bjv(1:popsize-1)=objv(1:popsize-1);
Chrom=Chrom(f,:);
y(Generation,1)=1e7/Objfun(Chrom(end,:));
y(Generation,2)=mean(1e7./ObjV);
chrom=Chrom(1:popsize-1,:);
fsum=sum(bjv);
Pperpopulation=bjv/fsum;
%计算累积概率
cumsump(1)=Pperpopulation(1);
for i=2:popsize-1
   cumsump(i)=cumsump(i-1)+Pperpopulation(i);
end
Generation=Generation+1
end
%子程序：判断遗传运算是否需要进行交叉或变异, 函数名称存储为IfCroIfMut.m
function pcc=IfCroIfMut(mutORcro)
test(1:100)=0;
l=round(100*mutORcro);
test(1:l)=1;
n=round(rand*99)+1;
pcc=test(n);
%子程序：新种群交叉操作,函数名称存储为crossover.m
function scro=crossover(Chrom,seln,pc)
global N
pcc=IfCroIfMut(pc);
if pcc==1
    chb=randperm(N-1,1);
    scro(1,:)=[Chrom(seln(1),1:chb) Chrom(seln(2),chb+1:N)];
    scro(2,:)=[Chrom(seln(2),1:chb) Chrom(seln(1),chb+1:N)];   
else
    scro(1,:)=Chrom(seln(1),:);
    scro(2,:)=Chrom(seln(2),:);
end