matlab中一个源代码，帮我解释一下这些代码每一句的意思呗，急用

clf reset%清除图形内容并重置图形特性

H=axes('unit','normalized','position',[0,0,1,1],'visible','off');%生成坐标轴图柄H

set(gcf,'currentaxes',H);%设置当前图形坐标轴

str='\fontname{隶书}归一化二阶系统的阶跃响应曲线';%生成一个隶书字串，用于后面命名

text(012,093,str,'fontsize',13);%在图中写上面的字串

h_fig=get(H,'parent');%获得H的特性并生成图h

set(h_fig,'unit','normalized','position',[01,02,07,04]);%设置图形h的位置及大小

h_axes=axes('parent',h_fig,

'unit','normalized','position',[01,015,055,07],

'xlim',[0 15],'ylim',[0 18],'fontsize',8);%生成图形h的坐标轴

h_text=uicontrol(h_fig,'style','text',

'unit','normalized','position',[067,073,025,014],

'horizontal','left','string',{'输入阻尼比系数','zeta ='});%在图h中生成一个文本控件，要求输入zeta值

h_edit=uicontrol(h_fig,'style','edit',

'unit','normalized','position',[067,059,025,014],

'horizontal','left',

'callback',[

'z=str2num(get(gcbo,''string''));',

't=0:01:15;',

'for k=1:length(z);',

's2=tf(1,[1 2z(k) 1]); ',

'y(:,k)=step(s2,t);',

'plot(t,y(:,k));',

'if (length(z)>1) ,hold on,end,',

'end;',

'hold off,']);%生成一个编辑控件，根据zeta值画图

h_push1=uicontrol(h_fig,'style','push',

'unit','normalized','position',[067,037,012,015],

'string','grid on','callback','grid on');%生成一个按钮控件，用于在图中画网格

h_push2=uicontrol(h_fig,'style','push',

'unit','normalized','position',[067,015,012,015],

'string','grid off','callback','grid off');%生成一个按钮控件，用于消除图中的网格

对于初学者来说，开发MATLAB程序时，经常回出现诸多错误。MATLAB程序运行时出现错误后，可通过适当的方法定位和查找， *** 作步骤如下所列。

工具/原料

MATLAB

方法/步骤

下述方法描述中，采用如下实例程序进行说明。

%实例程序

[xx,yy]

=

meshgrid(1:20,1:20);

d

=

sqrt(xx^2+yy^2);

zz

=

peaks(10);

out

=

d

+

zz;

surf(out);shading

interp;

MATLAB程序运行错误后，切换到MATLAB命令行中，观察命令行中的错误信息，确定错误原因

在错误信息中，查找源程序中错误代码的行数，点击行数链接，可以直接定位错误语句

错误语句定位后，自动跳转到代码编辑器中，在代码编辑器中通过光标标识错误代码的位置

确定错误语句后，通过F12快捷键在错误语句处设定断点

断点设定完成后，通过F5快捷键重新执行程序，程序会在断点处停止运行，进入调试状态

在调试状态下有多个步骤可以查找程序问题的原因。

（1）将鼠标放置在变量上方，这时代码编辑器会自动显示变量的类型、维数、各维大小等信息，根据此信息帮助程序员查找程序中变量错误原因。

在调试状态下有多个步骤可以查找程序问题的原因。

（2）将问题代码行复制到在MATLAB命令行中执行，重现错误。这样可以反复重新错误，而不中断程序运行，而且不用重新执行程序，提高调试效率。

在调试状态下有多种方法可以查找程序问题的原因。

（3）通过whos、size、help等命令协助确定错误原因。其中，whos命令可以查看当前工作区中变量列表，size可以确定某一变量的维数和各维大小，help可以确定某一 *** 作符或函数的帮助信息。

如：

K>>

whos

Name

Size

Bytes

Class

Attributes

ans

1x2

16

double

d

20x20

3200

double

filename

1x60

120

char

xx

20x20

3200

double

yy

20x20

3200

double

zz

10x10

800

double

K>>

size(zz)

ans

=

10

10

K>>

size(d)

ans

=

20

20

K>>

help

+

plus

-

Addition

This

MATLAB

function

adds

arrays

A

and

B

and

returns

the

result

in

C

C

=

A

+

B

C

=

plus(A,B)

plus

的参考页

另请参阅

cumsum,

minus,

sum,

uplus

名为

plus

的其他函数

finance/plus,

fixedpoint/plus,

symbolic/plus,

matlab/plus,

+,

symbolic/plus,

+,

matlab/+,

symbolic/+

K>>

仔细分析上述信息，最终确定MATLAB程序执行错误的原因。上述实例中，程序执行错误的原因为：变量a和变量zz的行数和列数不一致，不符合+ *** 作符的要求。

遗传算法实例:

也是自己找来的，原代码有少许错误，本人都已更正了，调试运行都通过了的。

对于初学者，尤其是还没有编程经验的非常有用的一个文件

遗传算法实例

% 下面举例说明遗传算法 %

% 求下列函数的最大值 %

% f(x)=10sin(5x)+7cos(4x) x∈[0,10] %

% 将 x 的值用一个10位的二值形式表示为二值问题，一个10位的二值数提供的分辨率是每为 (10-0)/(2^10-1)≈001 。 %

% 将变量域 [0,10] 离散化为二值域 [0,1023], x=0+10b/1023, 其中 b 是 [0,1023] 中的一个二值数。 %

% %

%--------------------------------------------------------------------------------------------------------------%

%--------------------------------------------------------------------------------------------------------------%

% 编程

%-----------------------------------------------

% 21初始化(编码)

% initpopm函数的功能是实现群体的初始化，popsize表示群体的大小，chromlength表示染色体的长度(二值数的长度)，

% 长度大小取决于变量的二进制编码的长度(在本例中取10位)。

%遗传算法子程序

%Name: initpopm

%初始化

function pop=initpop(popsize,chromlength)

pop=round(rand(popsize,chromlength)); % rand随机产生每个单元为 {0,1} 行数为popsize，列数为chromlength的矩阵，

% roud对矩阵的每个单元进行圆整。这样产生的初始种群。

% 22 计算目标函数值

% 221 将二进制数转化为十进制数(1)

%遗传算法子程序

%Name: decodebinarym

%产生 [2^n 2^(n-1) 1] 的行向量，然后求和，将二进制转化为十进制

function pop2=decodebinary(pop)

[px,py]=size(pop); %求pop行和列数

for i=1:py

pop1(:,i)=2^(py-i)pop(:,i);

end

pop2=sum(pop1,2); %求pop1的每行之和

% 222 将二进制编码转化为十进制数(2)

% decodechromm函数的功能是将染色体(或二进制编码)转换为十进制，参数spoint表示待解码的二进制串的起始位置

% (对于多个变量而言，如有两个变量，采用20为表示，每个变量10为，则第一个变量从1开始，另一个变量从11开始。本例为1)，

% 参数1ength表示所截取的长度（本例为10）。

%遗传算法子程序

%Name: decodechromm

%将二进制编码转换成十进制

function pop2=decodechrom(pop,spoint,length)

pop1=pop(:,spoint:spoint+length-1);

pop2=decodebinary(pop1);

% 223 计算目标函数值

% calobjvaluem函数的功能是实现目标函数的计算，其公式采用本文示例仿真，可根据不同优化问题予以修改。

%遗传算法子程序

%Name: calobjvaluem

%实现目标函数的计算

function [objvalue]=calobjvalue(pop)

temp1=decodechrom(pop,1,10); %将pop每行转化成十进制数

x=temp110/1023; %将二值域 中的数转化为变量域 的数

objvalue=10sin(5x)+7cos(4x); %计算目标函数值

% 23 计算个体的适应值

%遗传算法子程序

%Name:calfitvaluem

%计算个体的适应值

function fitvalue=calfitvalue(objvalue)

global Cmin;

Cmin=0;

[px,py]=size(objvalue);

for i=1:px

if objvalue(i)+Cmin>0

temp=Cmin+objvalue(i);

else

temp=00;

end

fitvalue(i)=temp;

end

fitvalue=fitvalue';

% 24 选择复制

% 选择或复制 *** 作是决定哪些个体可以进入下一代。程序中采用赌轮盘选择法选择，这种方法较易实现。

% 根据方程 pi=fi/∑fi=fi/fsum ，选择步骤：

% 1） 在第 t 代，由（1）式计算 fsum 和 pi

% 2） 产生 {0,1} 的随机数 rand( )，求 s=rand( )fsum

% 3） 求 ∑fi≥s 中最小的 k ，则第 k 个个体被选中

% 4） 进行 N 次2）、3） *** 作，得到 N 个个体，成为第 t=t+1 代种群

%遗传算法子程序

%Name: selectionm

%选择复制

function [newpop]=selection(pop,fitvalue)

totalfit=sum(fitvalue); %求适应值之和

fitvalue=fitvalue/totalfit; %单个个体被选择的概率

fitvalue=cumsum(fitvalue); %如 fitvalue=[1 2 3 4]，则 cumsum(fitvalue)=[1 3 6 10]

[px,py]=size(pop);

ms=sort(rand(px,1)); %从小到大排列

fitin=1;

newin=1;

while newin<=px

if(ms(newin))<fitvalue(fitin)

newpop(newin)=pop(fitin);

newin=newin+1;

else

fitin=fitin+1;

end

end

% 25 交叉

% 交叉(crossover)，群体中的每个个体之间都以一定的概率 pc 交叉，即两个个体从各自字符串的某一位置

% （一般是随机确定）开始互相交换，这类似生物进化过程中的基因分裂与重组。例如，假设2个父代个体x1，x2为：

% x1=0100110

% x2=1010001

% 从每个个体的第3位开始交叉，交又后得到2个新的子代个体y1，y2分别为：

% y1＝0100001

% y2＝1010110

% 这样2个子代个体就分别具有了2个父代个体的某些特征。利用交又我们有可能由父代个体在子代组合成具有更高适合度的个体。

% 事实上交又是遗传算法区别于其它传统优化方法的主要特点之一。

%遗传算法子程序

%Name: crossoverm

%交叉

function [newpop]=crossover(pop,pc)

[px,py]=size(pop);

newpop=ones(size(pop));

for i=1:2:px-1

if(rand<pc)

cpoint=round(randpy);

newpop(i,:)=[pop(i,1:cpoint),pop(i+1,cpoint+1:py)];

newpop(i+1,:)=[pop(i+1,1:cpoint),pop(i,cpoint+1:py)];

else

newpop(i,:)=pop(i);

newpop(i+1,:)=pop(i+1);

end

end

% 26 变异

% 变异(mutation)，基因的突变普遍存在于生物的进化过程中。变异是指父代中的每个个体的每一位都以概率 pm 翻转，即由“1”变为“0”，

% 或由“0”变为“1”。遗传算法的变异特性可以使求解过程随机地搜索到解可能存在的整个空间，因此可以在一定程度上求得全局最优解。

%遗传算法子程序

%Name: mutationm

%变异

function [newpop]=mutation(pop,pm)

[px,py]=size(pop);

newpop=ones(size(pop));

for i=1:px

if(rand<pm)

mpoint=round(randpy);

if mpoint<=0

mpoint=1;

end

newpop(i)=pop(i);

if any(newpop(i,mpoint))==0

newpop(i,mpoint)=1;

else

newpop(i,mpoint)=0;

end

else

newpop(i)=pop(i);

end

end

% 27 求出群体中最大得适应值及其个体

%遗传算法子程序

%Name: bestm

%求出群体中适应值最大的值

function [bestindividual,bestfit]=best(pop,fitvalue)

[px,py]=size(pop);

bestindividual=pop(1,:);

bestfit=fitvalue(1);

for i=2:px

if fitvalue(i)>bestfit

bestindividual=pop(i,:);

bestfit=fitvalue(i);

end

end

% 28 主程序

%遗传算法主程序

%Name:genmain05m

clear

clf

popsize=20; %群体大小

chromlength=10; %字符串长度（个体长度）

pc=06; %交叉概率

pm=0001; %变异概率

pop=initpop(popsize,chromlength); %随机产生初始群体

for i=1:20 %20为迭代次数

[objvalue]=calobjvalue(pop); %计算目标函数

fitvalue=calfitvalue(objvalue); %计算群体中每个个体的适应度

[newpop]=selection(pop,fitvalue); %复制

[newpop]=crossover(pop,pc); %交叉

[newpop]=mutation(pop,pc); %变异

[bestindividual,bestfit]=best(pop,fitvalue); %求出群体中适应值最大的个体及其适应值

y(i)=max(bestfit);

n(i)=i;

pop5=bestindividual;

x(i)=decodechrom(pop5,1,chromlength)10/1023;

pop=newpop;

end

fplot('10sin(5x)+7cos(4x)',[0 10])

hold on

plot(x,y,'r')

hold off

[z index]=max(y); %计算最大值及其位置

x5=x(index)%计算最大值对应的x值

y=z

问题求f(x)=x 10sin(5x) 7cos(4x)的最大值，其中0<=x<=9

分析选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为095,变异概率为008

程序清单

%编写目标函数

function[sol,eval]=fitness(sol,options)

x=sol(1);

eval=x 10sin(5x) 7cos(4x);

%把上述函数存储为fitnessm文件并放在工作目录下

initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10

[x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',

[008],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代

运算借过为：x =

78562 248553(当x为78562时，f（x）取最大值248553)

注：遗传算法一般用来取得近似最优解，而不是最优解。

遗传算法实例2

问题在－5<=Xi<=5,i=1,2区间内，求解

f(x1,x2)=-20exp(-02sqrt(05(x1^2 x2^2)))-exp(05(cos(2pix1) cos(2pix2))) 2271282的最小值。

分析种群大小10，最大代数1000，变异率01,交叉率03

程序清单

％源函数的matlab代码

function [eval]=f(sol)

numv=size(sol,2);

x=sol(1:numv);

eval=-20exp(-02sqrt(sum(x^2)/numv)))-exp(sum(cos(2pix))/numv) 2271282;

%适应度函数的matlab代码

function [sol,eval]=fitness(sol,options)

numv=size(sol,2)-1;

x=sol(1:numv);

eval=f(x);

eval=-eval;

%遗传算法的matlab代码

bounds=ones(2,1)[-5 5];

[p,endPop,bestSols,trace]=ga(bounds,'fitness')

注：前两个文件存储为m文件并放在工作目录下，运行结果为

p =

00000 -00000 00055

大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多少，也可是使用优化函数来验证。matlab命令行执行命令：

fplot('x 10sin(5x) 7cos(4x)',[0,9])

evalops是传递给适应度函数的参数，opts是二进制编码的精度，termops是选择maxGenTerm结束函数时传递个maxGenTerm的参数，即遗传代数。xoverops是传递给交叉函数的参数。mutops是传递给变异函数的参数。

问题求f(x)=x+10sin(5x)+7cos(4x)的最大值，其中0<=x<=9

分析选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为095,变异概率为008

程序清单

%编写目标函数

function[sol,eval]=fitness(sol,options)

x=sol(1);

eval=x+10sin(5x)+7cos(4x);

%把上述函数存储为fitnessm文件并放在工作目录下

initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10

[x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',

[008],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代

运算借过为：x =

78562 248553(当x为78562时，f（x）取最大值248553)

注：遗传算法一般用来取得近似最优解，而不是最优解。

遗传算法实例2

问题在－5<=Xi<=5,i=1,2区间内，求解

f(x1,x2)=-20exp(-02sqrt(05(x1^2+x2^2)))-exp(05(cos(2pix1)+cos(2pix2)))+2271282的最小值。

分析种群大小10，最大代数1000，变异率01,交叉率03

程序清单

％源函数的matlab代码

function [eval]=f(sol)

numv=size(sol,2);

x=sol(1:numv);

eval=-20exp(-02sqrt(sum(x^2)/numv)))-exp(sum(cos(2pix))/numv)+2271282;

%适应度函数的matlab代码

function [sol,eval]=fitness(sol,options)

numv=size(sol,2)-1;

x=sol(1:numv);

eval=f(x);

eval=-eval;

%遗传算法的matlab代码

bounds=ones(2,1)[-5 5];

[p,endPop,bestSols,trace]=ga(bounds,'fitness')

注：前两个文件存储为m文件并放在工作目录下，运行结果为

p =

00000 -00000 00055

大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多少，也可是使用优化函数来验证。matlab命令行执行命令：

fplot('x+10sin(5x)+7cos(4x)',[0,9])

evalops是传递给适应度函数的参数，opts是二进制编码的精度，termops是选择maxGenTerm结束函数时传递个maxGenTerm的参数，即遗传代数。xoverops是传递给交叉函数的参数。mutops是传递给变异函数的参数。

以上就是关于matlab中一个源代码，帮我解释一下这些代码每一句的意思呗，急用全部的内容，包括:matlab中一个源代码，帮我解释一下这些代码每一句的意思呗，急用、matlab中如果编写代码错误，怎么修改、MATLAB编遗传算法源程序等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！