引用 matlab遺傳算法工具箱函數及實例講解

1、引用 matlab遺傳算法工具箱函數及實例講解 2008-10-20 23:04郭玲霞看文章核心函數:(1function pop=initializega(num,bounds,eevalFN,eevalOps,options-初始種群的生成函數【輸出參數】pop-生成的初始種群【輸入參數】num-種群中的個體數目bounds-代表變量的上下界的矩陣eevalFN-適應度函數eevalOps-傳遞給適應度函數的參數options-選擇編碼形式(浮點編碼或是二進制編碼precision F_or_B,如 precision-變量進行二進制編碼時指定的精度F_or_B-為1時選擇浮點編碼,否則為

2、二進制編碼,由precision指定精度(2function x,endPop,bPop,traceInfo = ga(bounds,evalFN,evalOps,startPop,opts,.termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps-遺傳算法函數【輸出參數】x-求得的最優(yōu)解endPop-最終得到的種群bPop-最優(yōu)種群的一個搜索軌跡【輸入參數】bounds-代表變量上下界的矩陣evalFN-適應度函數evalOps-傳遞給適應度函數的參數startPop-初始種群optsepsilon prob_ops

3、 display-opts(1:2等同于initializega的options參數,第三個參數控制是否輸出,一般為0。如1e-6 1 0termFN-終止函數的名稱,如'maxGenTerm'termOps-傳遞個終止函數的參數,如100selectFN-選擇函數的名稱,如'normGeomSelect' selectOps-傳遞個選擇函數的參數,如0.08xOverFNs-交叉函數名稱表,以空格分開,如'arithXover heuristicXover simpleXover'xOverOps-傳遞給交叉函數的參數表,如2 0;2 3;2

4、0mutFNs-變異函數表,如'boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation'mutOps-傳遞給交叉函數的參數表,如4 0 0;6 100 3;4 100 3;4 0 0注意】matlab工具箱函數必須放在工作目錄下【問題】求f(x=x+10*sin(5x+7*cos(4x的最大值,其中0<=x<=9【分析】選擇二進制編碼,種群中的個體數目為10,二進制編碼長度為20,交叉概率為0.95,變異概率為0.08【程序清單】%編寫目標函數functionsol,eval=fitnes

5、s(sol,optionsx=sol(1;eval=x+10*sin(5*x+7*cos(4*x;%把上述函數存儲為fitness.m文件并放在工作目錄下initPop=initializega(10,0 9,'fitness'%生成初始種群,大小為10x endPop,bPop,trace=ga(0 9,'fitness',initPop,1e-6 11,'maxGenTerm',25,'normGeomSelect',.0.08,'arithXover',2,'nonUnifMutation',

6、2 25 3 %次遺傳迭代運算借過為:x =7.8562 24.8553(當x為7.8562時,f(x取最大值24.8553注:遺傳算法一般用來取得近似最優(yōu)解,而不是最優(yōu)解。遺傳算法實例2【問題】在-5<=Xi<=5,i=1,2區(qū)間內,求解f(x1,x2=-20*exp(-0.2*sqrt(0.5*(x1.2+x2.2-exp(0.5*(cos(2*pi*x1 +cos(2*pi*x2+22.71282的最小值?！痉治觥糠N群大小10,最大代數1000,變異率0.1,交叉率0.3【程序清單】%源函數的matlab代碼function eval=f(solnumv=size(sol,2

7、;x=sol(1:numv;eval=-20*exp(-0.2*sqrt(sum(x.2/numv-exp(sum(cos(2*pi*x/numv+22.71282;%適應度函數的matlab代碼function sol,eval=fitness(sol,optionsnumv=size(sol,2-1;x=sol(1:numv;eval=f(x;eval=-eval;%遺傳算法的matlab代碼bounds=ones(2,1*-5 5;p,endPop,bestSols,trace=ga(bounds,'fitness'注:前兩個文件存儲為m文件并放在工作目錄下,運行結果為p =0.0000 -0.0000 0.0055大家可以直接繪出f(x的圖形來大概看看f