ch7优化算法-GA要点.ppt

遗传算法的参数设定： 种群大小：M=50； 最大代数：G=1000； 交叉率：pc=1； 变异率：pm=0.1； （1）编码策略 采用十进制编码，用随机数列ω1 ω2…ω102作为染色体，其中0 ωi 1(i=2,3,…,101)，ω1=0，ω102 =1；每一个随机序列都和种群中的一个个体相对应。 例如一个9城市问题的一个染色体为： [0.23,0.82,0.45,0.74,0.87,0.11,0.56,0.69,0.78] 6-1-3-7-8-4-9-2-5 （2）初始种群 此处用经典的近似算法——改良圈算法求得一个较好的初始种群。即对于初始圈： C=π1… πu-1πuπu+1…πv-1πvπv+1…π102， 2≤u＜v≤101， 2≤ πu ＜ πv ≤101 ， 交换u与v之间的顺序，此时的新路径为： C‘=π1… πu-1π vπv-1…πu+1πu πv+1…π102， 记 若Δf0，则以新的路径修改旧的路径，直到不能修改为止 （3）目标函数 目标函数为侦查所有目标的路径长度，适应度函数就取目标函数，即 （4）交叉操作 交叉操作采取单点交叉，设计如下，对于选定的两个父代个体f1= ω1 ω2…ω102, f2= ω’1 ω’2…ω’102,我们随机地取第t个基因处为交叉点，则经过交叉运算后得到的子代编码为S1和S2，S1的基因由f1的前t个基因和f2的后102-t个基因构成， S2的基因由f2的前t个基因和f1的后102-t个基因构成。 （5）变异操作 变异操作按给定的变异率pm对选定变异的个体随机的选取三个整数，满足1uvw102，把u,v之间（包括u和v）的基因段插到w之后。 （6）选择 采用确定性的选择策略，及选择适应度函数值最小的M个个体进化到下一代。 MATLAB中的随机函数 1、rand rand(n)：生成0到1之间的n阶随机数方阵 rand(m,n)：生成0到1之间的m×n的随机数矩阵 2、randint randint(m,n,[1 N])：生成m×n的在1到N之间的随机整数矩阵，其效果与randint(m,n,N+1)相同。 randint(3,4,[1 10]) ans = ?????5?????7?????4????10?????5?????1?????2?????7?????8?????7?????8?????6 randint(3,4,11) ans = ????10?????9?????6?????9?????5????10?????8?????9????10?????0?????2?????6 3、randperm——产生不重复的随机排列 randperm(n)：产生一个1到n的随机顺序。 randperm(10) ans = ?????6?????4?????8?????9?????3?????5?????7????10?????2?????1 randperm(n,k)：从1-n的数字序列里面随机返回k个数 其中，这k个数之间彼此也是不相同的。 结合原数据，可写成类似下面的形式： new?=?old(?randperm(??size(old,1)??)?,?:?); MATLAB中取整函数(fix, floor, ceil, round)的使用 (1) fix(x) : 截尾取整 fix( [3.12 -3.12]) ans = ???? 3??? -3 (2)floor(x):不超过x 的最大整数.(高斯取整) floor( [3.12 -3.12]) ans = ???? 3??? -4 (3)ceil(x) : 大于x 的最小整数 ceil( [3.12 -3.12]) ans = ???? 4??? -3 (4)四舍五入取整 round([3.12 -3.12]) ans = ???? 3??? -3 (1)B=sort(A)?对一维或二维数组进行升序排序，并返回排序后的数组，当A为二维时，对数组每一列进行排序。 eg: A=[1,5,3],则sort(A)=[1,3,5] ???A=[1,5,3;2,4,1],则sort(A)=[1,4,1;2,5,3] (2)B=sort(A,dim)，对数组按指定方向进行升序排序, dim =1,表示对每一列进行排序,dim=2表示对每一行进行排序。 (3)B=sort(A,dim,mode),mode为指定排序模式,mode为ascend时,进行升序排序,为descend 时,进行降序排序. (4)[B,I]=sort(A,.....),I为返回的排序后元素在原数组中的行位置或列位置. path = Columns 1