2016-数学建模专题之-遗传算法-讲义资料.ppt

* * 评估和遗传操作 2、GA优化NN的结构 * * 思考题 1、能否利用GA同时优化NN的结构和参数？ 6 遗传算法的实现 Matlab的GA工具箱 Matlab的GA函数调用 根据原理编写属于自己的GA 6 遗传算法的实现： Matlab的GA工具箱 6 遗传算法的实现 Matlab的GA函数调用 第一步：编写适应度函数； 第二步：对GA参数进行设置； options = gaoptimset(‘参数名’, 参数值, …, ‘参数名’, 参数值) 例:options = gaoptimset(PopulationSize, 100) 第三步：调用GA函数； [x fval] = ga(@fitnessfun, nvars) [x fval exitflag output population scores] = ga(@fitnessfcn, nvars) [x fval] = ga(@fitnessfun, nvars, [],[],[],[],[],[],[],options)； specify any linear equality, linear inequality, or nonlinear constraints 6 遗传算法的实现 Matlab的GA函数调用 [x fval] = ga(@fitnessfun, nvars, [],[],[],[],[],[],[], options)； fitnessfcn — Fitness function nvars — Number of variables for the problem Aineq — Matrix for inequality constraints Bineq — Vector for inequality constraints Aeq — Matrix for equality constraints Beq — Vector for equality constraints LB — Lower bound on x UB — Upper bound on x nonlcon — Nonlinear constraint Function options — Options structure 6 遗传算法的实现 根据原理编写属于自己的GA 参考资源 [1]王小平，曹立明.遗传算法——理论、应用与软件实现.西安交通大学出版社，2002.1 [2]朱福喜，朱三元，伍春香.人工智能基础教程.清华大学出版社，2006.3 [3]刘金琨.机器人控制系统的设计与MATLAB仿真.清华大学出版社，2008.6 [4] 雷英杰，张善文，李旭武.MATLAB遗传算法工具箱及应用.西安电子科技大学出版社，2005.4 [5]求是科技.MATLAB7.0从入门到精通.人民邮电出版社，2006.3 [6]/wiki/Genetic_algorithm [7]/wiki/Traveling_salesman_problem 作业 1、利用遗传算法求函数的最小值： 2、利用遗传算法求BP网络的权重和阈值； 3、熟悉Matlab的GA工具箱和函数； 背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。相似问题经常出现在商业、组合数学，计算复杂性理论、密码学和应用数学等领域中。也可以将背包问题描述为决定性问题，即在总重量不超过W的前提下，总价值是否能达到V？它是在1978年由Merkel和Hellman提出的。 * 4 遗传算法求解巡回旅行商问题 4.2 基本操作 （1）编码与解码 采用对访问城市序列进行排列组合的方法编码，即某个巡回路径的染色体是该巡回路径的城市序列。对于N（N为城市总数）进制编码，即每个基因仅从1到N得整数里面取一个值，每个个体的长度为N。 根据编码方法，一次求解得出的最优解（个体）是所访问的城市的次序，需要转换成相应的城市坐标进行输出，则只需将个体的染色体值作为存储30个城市坐标的矩阵的下标来引用，输出对应的矩阵元素，便可实现解码。 一行的前30个元素为一个个体 30个城市的访问次序 该种访问次序路径的距离 利用矩阵来存储： 4 遗传算法求解巡回旅行商问题 （2）适应度函数：在TSP问题中，用路径的总长度作为适应度函数来衡量求解结果是否最优，路径越短对应的个体越优，其适应度值应越大。 两城市间的距离为： 个体代表的路径的总长度为： 则可采用倒数法将适应度函数取为： （3）选择操作：将群体中适应度较大的C