【智能优化算法】基于遗传算法实现城市交通信号优化附matlab代码

%% GA%% 清空环境变量clc,clear,close allwarning offfeature jit off%% 遗传算法参数初始化maxgen = 50;                      % 进化代数，即迭代次数sizepop = 50;                     % 种群规模pcross = [0.7];                    % 交叉概率选择，0和1之间pmutation = [0.01];                 % 变异概率选择，0和1之间% 城市交通信号系统参数C = 140;L = 10;load('data.mat')  % 包含交通流量q以及饱和流量xijq = q./3600;      % 转化为秒sxij = xij./3600;  % 转化为秒s%染色体设置lenchrom=ones(1,3);    % t1、t2、t3bound=[38,59;26,37;33,44;];   % 数据范围%---------------------------种群初始化------------------------------------individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  %将种群信息定义为一个结构体avgfitness = [];                      %每一代种群的平均适应度bestfitness = [];                     %每一代种群的最佳适应度bestchrom = [];                       %适应度最好的染色体%% 初始化种群for i=1:sizepop    % 随机产生一个种群    individuals.chrom(i,:)=Code(lenchrom,bound); % 编码（binary和grey的编码结果为一个实数，float的编码结果为一个实数向量）    x=individuals.chrom(i,:);    % 计算适应度    individuals.fitness(i)=fun(x);   % 染色体的适应度 end%% 找最好的染色体[bestfitness bestindex] = min(individuals.fitness);bestchrom = individuals.chrom(bestindex,:);    % 最好的染色体% 记录每一代进化中最好的适应度和平均适应度trace = [bestfitness]; %% 迭代求解最佳初始阀值和权值% 进化开始for i=1:maxgen    disp(['迭代次数：  ',num2str(i)])    % 选择    individuals=Select(individuals,sizepop);    % 交叉    individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);    % 变异    individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound);    % 计算适应度    for j=1:sizepop        x=individuals.chrom(j,:);        % 解码        individuals.fitness(j)=fun(x);   % 染色体的适应度     end    % 找到最小和最大适应度的染色体及它们在种群中的位置    [newbestfitness,newbestindex]=min(individuals.fitness);    [worestfitness,worestindex]=max(individuals.fitness);    % 代替上一次进化中最好的染色体    if bestfitness>newbestfitness        bestfitness=newbestfitness;        bestchrom=individuals.chrom(newbestindex,:);    end    individuals.chrom(worestindex,:)=bestchrom; % 剔除最差个体    trace=[trace;bestfitness]; %记录每一代进化中最好的适应度endx = [bestchrom, C-L-sum(sum(bestchrom))]       % 最佳个体值D = trace(end)       % 延误误差DE = D./sum(sum(q));  % 平均延误E%% 遗传算法结果分析 figure('color',[1,1,1]),plot(1:length(trace),trace(:,1),'b--');title(['适应度曲线  ' '终止代数＝' num2str(maxgen)]);xlabel('进化代数');   ylabel('适应度');legend('fz最佳适应度');