文档介绍：Forpersonaluseonlyinstudyandresearch;mercialuse非线性整数规划的遗传算法Matlab程序(附图)通常,非线性整数规划是一个具有指数复杂度的NP问题,如果约束较为复杂,Matlab优化工具箱和一些优化软件比如lingo等,常常无法应用,即使能应用也不能给出一个较为令人满意的解。这时就需要针对问题设计专门的优化算法。下面举一个遗传算法应用于非线性整数规划的编程实例,供大家参考!模型的形式和适应度函数定义如下:这是一个具有200个01决策变量的多目标非线性整数规划,编写优化的目标函数如下,其中将多目标转化为单目标采用简单的加权处理。functionFitness=FITNESS(x,FARM,e,q,w)%%适应度函数% 输入参数列表% x       决策变量构成的4×50的0-1矩阵% FARM    细胞结构存储的当前种群,它包含了个体x% e       4×50的系数矩阵% q       4×50的系数矩阵% w       1×50的系数矩阵%%gamma=;N=length(FARM);%种群规模F1=zeros(1,N);F2=zeros(1,N);fori=1:N   xx=FARM{i};   ppp=(1-xx)+(1-q).*xx;   F1(i)=sum(w.*prod(ppp));   F2(i)=sum(sum(e.*xx));endppp=(1-x)+(1-q).*x;f1=sum(w.*prod(ppp));f2=sum(sum(e.*x));Fitness=gamma*sum(min([sign(f1-F1);zeros(1,N)]))+(1-gamma)*sum(min([sign(f2-F2);zeros(1,N)])); 针对问题设计的遗传算法如下,其中对模型约束的处理是重点考虑的地方function[Xp,LC1,LC2,LC3,LC4]=MYGA(M,N,Pm)%%求解01整数规划的遗传算法%%输入参数列表% M    遗传进化迭代次数% N    种群规模% Pm   变异概率%%输出参数列表% Xp   最优个体% LC1  子目标1的收敛曲线% LC2  子目标2的收敛曲线% LC3  平均适应度函数的收敛曲线% LC4  最优适应度函数的收敛曲线%%参考调用格式[Xp,LC1,LC2,LC3,LC4]=MYGA(50,40,)%%第一步:载入数据和变量初始化loadeqw;%载入三个系数矩阵e,q,w%输出变量初始化Xp=zeros(4,50);LC1=zeros(1,M);LC2=zeros(1,M);LC3=zeros(1,M);LC4=zeros(1,M);Best=inf;%%第二步:随机产生初始种群farm=cell(1,N);%用于存储种群的细胞结构k=0;whilek   %以下是一个合法个体的产生过程   x=zeros(4,50);%x每一列的1的个数随机决定   fori=1:50       R=rand;       Col=zeros(4,1);       ifR<           RP=randperm(4);%1的位置也是随机的           Col(RP(1))=1;       elseif