ppc raga（PPC的拉格）.docVIP

ppc raga（PPC的拉格） 清除；CLC； d = [ ]； e = [ ]； X = [ 3,81,92,74,4.5,7709,50.14,1.54,9.7,9,10,8；4,80,97,80,6,10296,58.79,1.92,10.5,8,8,9；2,79,80,63,3.5,6410,47.8,1.46,9.8,10,90,7；3,80,95,76,3.5,9898,51.67,1.56,10.4,9,9,9；]； ============数据的归一化处理============================================== % [ M ]，N =尺寸（x）；a [ 1 8 9 10 ]；B = [ 2 3 4 5 6 7 11 12 13 ]； K = 1:50 对于i = 1：m J = 1:8 x（i，b（j））＝（x（i，b（j））- min（x（（b，（b）））/（max（x，（b，（j））- min（x（（b，（j））））））； 结束 结束 对于i = 1：m J = 1:4 x（i，a（j））=（最大（x（（a，a）））x（i，A（j）））/（max（x（A，A（J）））- min（x（（a，a））））； 结束 结束 n = 400；PC = 0.8；PM = 0.2；M = 10；CI = 7；n = 13；daino = 2；广告= 1； 【A1、B1、EE、FF ] =拉格（x，n，n，PC，PM，我，DaiNo，Ci，广告）； d = d，A1；； 结束 [最大值（d），E1 = E（B2，，）：） FF = 主要完成raga_ppc % 函数y =可行性（a） b =（和2）； 如果ABS（B-1） = 0.00001 y＝1； 其他的 y＝0； 结束 功能[，B，m，最大弯矩] =拉格（XX，N，N，PC、PM、M、DaiNo、Ci、广告） 抽搐; % N为种群规模，PC为交叉概率，PM为变异概率，daino为了在进行两代进化之后加速一次而设定的限制数 % N优化变量数目，M变异方向所需要的随机数，CI为加速次数，为优化变量的下限向量xmin，Xmax为优化变量的上限向量 %变量的数目N必须等于xmin和Xmax的维数；广告为0是求最小值，为其它求最大值。 % m和MMAX为优秀个体变化区间的上下限值 如果广告＝0 广告= ascend”； 其他的 广告= descend”； 结束 % ====================== STEP1生成初始父代================================== MM1 =零（1，N）；2 =的（1，n）； Z = 1：CI为20次表示加速次数为 Z 对于i = 1：n 而1＝1 P = 1：N P为优化变量的数目%， BB（P）= unifrnd（MM1（P），平方毫米（P））； 结束 温度＝和（BB 2）； = SQRT（BB。^ 2 /温度）； a可行性（a）； 如果y＝1 v（i，；）= a； 打破； 结束 结束 结束 % 1结束 S = 1：DaiNo STEP2计算适应度% 对于i = 1：n FV（i）=目标（XX，v（i，，））； 结束 %按适应度排序 FV，I =排序（FV，AD）； v＝v（i，：）； %将结束 第计算基于序的评价函数% 甲= 0.05； q（1）＝0； 对于i = 2：n + 1 问（我）= Q（i-1）+阿尔法*（1-arfa）^（I-2）； 结束 %第一端 第四选择操作% 对于i = 1：n R = unifrnd（0，q（n + 1））； 对于j = 2：n + 1 如果R＞Q（J-1） R＜＝Q（J） vtemp1（我，：）= V（J-1，：）； 结束 结束 结束 %第四端 第五交叉操作% 而1＝1 crossno = 0； V1 = vtemp1； 对于i = 1：n R1 = unifrnd（0,1）； 如果R1 PC crossno = crossno + 1； vtemp2（crossno，：）= V1（我，：）； V1（i，）：= 0（1，n）； 结束 结束 如果crossno ~ = 0和MOD（crossno，2）= = 0 打破； “crossno = = 0 | MOD（crossno，2）= = 1 vtemp2 = []； 结束 结束 shengyuno = 0； 对于i = 1：n 如果V1（i，，）：= 0（1，n） shengyuno = shengyuno + 1； vtemp3（shengyuno，：）= V1（我：vtemp3表示选择后剩余的父代%）； 结束 结束 %随机选择配对进行交叉操作 我= 1：crossno R2