【原创】二维光子晶体禁带的遗传优化算法
GreenSim团队的博客开通了，更多原创程序请访问我们的博客http://blog.sina.com.cn/greensimfunction =PBGGA(M,N,Pm)
%--------------------------------------------------------------------------
% PBGGA.m
% Photonic Band Gap Genetic Algorithm
% 二维光子晶体禁带的遗传优化算法
%--------------------------------------------------------------------------
% 函数功能
% 在平面波展开法的基础上，使用遗传算法寻找具有最大光子禁带的二维光子晶体结构
%--------------------------------------------------------------------------
% 主要参考文献
% 龚春娟,胡雄伟.快速遗传算法优化计算二维光子晶体.
% 半导体学报.2006,27(6):1098-1102
%--------------------------------------------------------------------------
% 输入参数列表
% M 遗传进化迭代次数
% N 种群规模(取偶数)
% Pm 变异概率
%--------------------------------------------------------------------------
% Zp 最大禁带
% Yp 最大禁带的区间上下限
% Xp 光子晶体结构决策变量（10×10的01矩阵）
% LC1 收敛曲线1，各代最优个体适应值的记录
% LC2 收敛曲线2，各代群体平均适应值的记录
%--------------------------------------------------------------------------
%第一步：变量初始化
epsa=11.56;%介质介电常数
epsb=1;%空气介电常数
Xp=zeros(10,10);%最优结构
Yp=zeros(1,2);%禁带上下限
Zp=0;%禁带宽度
LC1=zeros(1,M);%收敛曲线1
LC2=LC1;%收敛曲线2
%第二步：随机产生初始钟群
farm=cell(1,N);%采用细胞结构存储种群
for i=1:N
A=unidrnd(2,5,10)-ones(5,10);%由于基本单元结构是中心对称的，所以只需要对矩阵的上半部分进行初始化
B=flipud(fliplr(A));%剩余部分先做上下倒置，再做左右旋转
C=;%把两步分合并
farm{i}=reshape(C,100,1);%个体被存储在细胞结构farm中
end
counter=0;%设置迭代计数器
while counter<M%停止条件为达到最大迭代次数
%第三步：交叉
newfarm=cell(1,N);%交叉产生的新种群存在这里面
Ser=randperm(N);%用这个函数保证随机配对
for i=1:2:(N-1)
AA=reshape(farm{Ser(i)},10,10);% 待交叉的两个父代个体
BB=reshape(farm{Ser(i+1)},10,10);
A=AA(1:5,:);%为保证对称性，需先提取其中一半的基因
B=BB(1:5,:);
Manner=unidrnd(2);%随机选择交叉方式
if Manner==1%横交叉
cp=unidrnd(4);%随机选择交叉点
a=;%双亲双子单点交叉
b=;
else%列交叉
cp=unidrnd(9);%随机选择交叉点
a=;%双亲双子单点交叉
b=;
end
a=;%反演对称
b=;
newfarm{i}=reshape(a,100,1);%交叉后的子代存入newfarm
newfarm{i+1}=reshape(b,100,1);
end
%新旧种群合并
FARM=;
%第四步：选择复制
FITNESS=zeros(1,2*N);
fitness=zeros(1,N);
for i=1:(2*N)
X=FARM{i};
Band=pixelTM(X,10,epsa,epsb,0);%调用平面波展开法的程序，中间结果不画图
B1=Band(:,1);
B2=Band(:,2);
for j=1:length(B1)
if B1(j)>1||B2(j)>1
B1(j)=0;
B2(j)=0;
end
end
BB=abs(B1-B2);
pos=find(BB==max(BB));
Z=BB(pos(1));%最宽的禁带作为适应值
FITNESS(i)=Z;
end
Ser=randperm(2*N);%选择复制采取两两随机配对竞争的方式，具有保留最优个体的能力
for i=1:N
f1=FITNESS(Ser(2*i-1));
f2=FITNESS(Ser(2*i));
if f1>=f2
farm{i}=FARM{Ser(2*i-1)};
fitness(i)=FITNESS(Ser(2*i-1));
else
farm{i}=FARM{Ser(2*i)};
fitness(i)=FITNESS(Ser(2*i));
end
end
%记录最佳个体和收敛曲线
maxfitness=max(fitness)
meanfitness=mean(fitness)
LC1(counter+1)=maxfitness;%收敛曲线1，各代最优个体适应值的记录
LC2(counter+1)=meanfitness;%收敛曲线2，各代群体平均适应值的记录
pos=find(fitness==maxfitness);
xp=farm{pos(1)};
Zp=maxfitness;
Xp=reshape(xp,10,10);
%第五步：变异
for i=1:N
if Pm>rand;%变异概率为Pm
X=farm{i};
XX=reshape(X,10,10);%为保证对称性，需先将个体基因变形
XA=XX(1:5,:);
posX=unidrnd(5,1,1);%随机选取变异位
posY=unidrnd(10,1,1);
XA(posX(1),posY(1))=mod(XA(posX(1),posY(1))+1,2);%变异，0变成1，1编程0
%XA(posX(2),posY(2))=mod(XA(posX(2),posY(2))+1,2);
XB=flipud(fliplr(XA));
XX=;
farm{i}=reshape(XX,100,1);%还原个体形态
end
end
farm{pos(1)}=reshape(Xp,100,1);
counter=counter+1
end
%输出结果并绘图
figure(1);
xp=reshape(Xp,100,1);
Band=pixelTM(xp,10,epsa,epsb,1);%画最优个体的禁带图
B1=Band(:,1);
B2=Band(:,2);
BB=abs(B1-B2);
pos=find(BB==max(BB));
Zp=BB(pos(1));
Yp=;
figure(2);
plot(LC1);%画收敛曲线1
figure(3);
plot(LC2);%画收敛曲线2 --------------------------------------------------------------------------------
【GreenSim团队简介】
——更多原创程序，请访问GreenSim团队的主页→http://blog.sina.com.cn/greensim
GreenSim团队长期从事建模仿真、算法设计、代写程序等业务，为您提供实验、课题、论文、项目等方面的仿真服务。
GreenSim团队擅长的学科领域主要有
【智能算法】遗传算法、模拟退火、神经网络、蚁群算法、免疫优化、支持向量机、拟物拟人
【运筹优化】数学建模、数值优化算法、大规模/非线性问题、组合优化、NP完全问题
【信息与通信】无线通信、信号处理、计算机网络
【其它学科】任何问题，只要能归结为数学问题或者算法仿真，我们都有实力和信心解决
GreenSim团队的联系方式：
QQ: 330264704，535115369Email：greensim@163.com（来 信 必 复）
[ 本帖最后由 aiwa 于 2007-3-18 13:34 编辑 ] 好东西。建议版主加分！ 运行不了啊说M没有定义
[ 本帖最后由 zhangbit 于 2008-1-10 01:44 编辑 ] pixelTM这个函数能分享一下吗，谢谢您！ 楼主太牛了，赞
页:
[1]