MATLAB.遗传算法和粒子群算法程序设计及实例应用.pdfVIP

1 计算智能程序设计 遗传算法和群智能算法程序设计及实例应用 天天向尚磊 lei_tech@ 摘要 本文主要包含以下内容： 遗传算法和粒子群算法的程序设计的一般结构。主要介绍两类算法的程序设计中的主要思 想。 介绍在Matlab 编程中一些需要注意的细节。在实际编程实现中，结合Matlab 语言的特色， 可以将程序效率发挥到极致。 一个遗传算法实例和一个粒子群算法实例。 目录 一、 遗传算法和粒子群算法 2 1.1 遗传算法 2 1.1.1 算法 2 1.1.2 注意事项 2 1.1.3Matlab 编程注意事项 2 1.2 粒子群算法 3 1.2.1 算法 3 1.2.2 注意事项 3 1.2.3Matlab 编程注意事项 3 二、遗传算法和粒子群算法编程实例 3 2.1 遗传算法实例 3 2.1.1 解决的问题 4 2.1.2Matlab 程序主体构成 4 2.1.3 程序运行示例 5 2.2 粒子群算法实例 6 2.2.1 解决的问题 6 2.2.2Matlab 程序主体构成 6 2.2.3 程序运行示例 7 三、参考文献 8 附录 8 1 遗传算法Matlab 程序调用子函数 8 2 粒子群算法Matlab 程序调用子函数 10 2 一、遗传算法和粒子群算法 1.1 遗传算法 对于遗传算法，本文主要是介绍简单遗传算法的主体思想。 1.1.1 算法 1．种群初始化 2 ．开始循环 （循环N 次后终止） 2.1 ．从上一次的种群中选取父体 （即形成新的种群，被选择的概率根据每个染色体的适应度值的不同而不同） 2.2 ．选取若干染色体杂交 （染色体的选择是根据既定的概率） 2.3 ．选取染色体进行变异 （染色体的变异仍然是根据预先设置的概率） 2.4 ．记录每条染色体的适应度值 （记录的目的有两个：1 为下一次父体选择服务；2 保留最终的最优结果） 3 ．输出结果 1.1.2 注意事项 针对遗传算法下面作几点说明： 1. 适应度与编码 针对具体问题，遗传算法首要面对的是：编码方式的选择和适应度函数的选择。两者的影 响主要有两方面：一是对结果好坏的影响；二是对计算复杂度的影响。 2. 概率常数设置 接下来就是概率常数的设置。一是染色体杂交时所设置的概率，二是染色体变异时所设置 的概率。概率设置的不同对算法的收敛快慢影响比较大，针对一类问题，可以根据经验获取经 验参数。 3. 迭代终止条件的选取 上述算法时采取的既定迭代次数停止作为终止，另外还可以设置迭代多少次适应度值改变 不大而跳出循环，也可设置达到预定使用度值即可跳出循环。即一类是既定次数停止，一类是 根据适应度值停止，根据具体问题可自定义设置迭代终止条件，以避免死循环。 1.1.3Matlab 编程注意事项 1．适应度函数选取 适应度函