遗传算法报告.pptVIP

MATLAB遗传算法工具箱 GA工具箱——GA Toolbox GA的计算过程流程图 编码和种群生成 种群适应度估计 选择 交叉 变异 GA的特点 GA是对问题参数的编码组进行计算，而不是针对参数本身。 GA的搜索是从问题解的编码组开始搜索，而不是从单个解开始。 GA使用目标函数值（适应度）这一信息进行搜索，而不需导数等其他信息。 GA算法使用的选择，交叉，变异这三个算子都是随机操作而不是确定规则 工具箱核心函数的用法 ⑴函数ga的语法格式为 [x,fval,reason]=ga(@fitnessfun,nvars,options) 其中x为经过遗传进化以后自变量最佳染色体返回值；fval为最佳染色体的适应度；reason为算法停止的原因；·fitnessfun为适应度句柄函数；nvars为目标函数自变量的个数；options为算法的属性设置，该属性是通过函数gaoptimset赋予的。 ⑵函数gaoptimset 函数gaoptimset的语法格式为 Options=gaoptimset(‘propertyName1’,’propertyValue1’, ’propertyName 2’,’propertyValue 2’,’ propertyName 3’,’ propertyValue 3’……) 函数gaoptimset的功能是设置遗传算法的参数和句柄函数。 函数gaoptimset常用的11种属性 属性名 默认值 实现功能 PopinitRange [0，1] 初始种群生成区间 PopulationSize 20 种群规模 CrossoverFraction 0.8 交配概率 MigrationFraction 0.2 变异概率 Genertations 100 超过进化代数时算法停止 TimeLimit inf 超过运算时间限制时算法停止 FitnessLimit -inf 最佳个体小于等于适应度阙值时算法停止 StallgenLimit 50 超过连续代数不进化则算法停止 StalltimeLimit 20 超过连续时间不进化则算法停止 InitialPopulation [ ] 初始化种群 PlotFens [ ] 绘图函数，可供选择的有·gaplotbestf，·gapotbestindnv等 程序设计范例 求解目标函数 此函数在[-30，30]区间上都只有一个最小值，这个理论最小值为 minf(x)=-e=-2.718281828459045… %if和else后面的语句不必分行书写 function f=lbw(x) %储存M文件，名为lbw.m if(x(1)30|x(1) -30|x(2)30|x(2)-30|x(3)30|x(3)-30|x(4)30|x(4)-30|x(5)30|x(5)-30|x(6)30|x(6)-30|x(7)30|x(7)-30|x(8)30|x(8)-30|x(9)30|x(9)-30|x(10)30|x(10)-30); f=300; else f=-2*pi*exp(-0.2*sqrt(1/10*((x(1)).^2+(x(2)).^2+(x(3)).^2+(x(4)).^2+(x(5)).^2+(x(6)).^2+(x(7)).^2+(x(8)).^2+(x(9)).^2+(x(10)).^2)))-exp(1/10*(cos(2*pi*x(1))+cos(2*pi*x(2))+cos(2*pi*x(3))+cos(2*pi*x(4))+cos(2*pi*x(5))+cos(2*pi*x(6))+cos(2*pi*x(7))+cos(2*pi*x(8))+cos(2*pi*x(9))+cos(2*pi*x(10))))+2*pi; end%保存为M文件 在命令窗口输入： options=gaoptimset(Generations,800,StallGenLimit,300,PlotFcns,@gaplotbestf); [x,f]=ga(@lbw,10,options) 谢 谢！ 遗传算法及 其MATLAB实现 遗传的生物学基础 遗传算法的基本思想是基于Darwin进化论和Mendel的遗传学说的。 Darwin进化论最重要的是适者生存原理。它认为每一物种在发展中越来越适应环境。物种每个个体的基本特征由后代所继承，但后代又会产生一些异于父代的新变化。在环境变化时，只有那些能适应环境的个体特征方能保留下来