遗传算法实验二.pptVIP

下载本文档

51
0
约2.73千字
约 21页
2016-12-16 发布于重庆
举报
版权申诉

遗传算法实验二.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

§4.4 适应度的计算１、适应度的线性尺度变换——scaling 调用格式：FitnV=scaling(ObjV,Smul) 功　　能：将某一种群的目标值ObjV转换为由Smul的值决定上界的适应度值。适应值的上界为目标函数值的平均值的Smul倍。例1：在命令窗口中输入 ObjV=[1;2;3;4;5;6] % 产生种群目标函数值１、适应度的线性尺度变换——scaling ObjV = 1 2 3 4 5 6 １、适应度的线性尺度变换——scaling FitnV=scaling(ObjV) % 适应度的线性尺度变换，Smul=2（默认） FitnV = 0 1.4000 2.8000 4.2000 5.6000 7.0000 １、适应度的线性尺度变换——scaling FitnV=scaling(ObjV,1.5) % 适应度的线性尺度变换，Smul=1.5 delta = 2.5000 a = 0.7000 b = 1.0500 １、适应度的线性尺度变换——scaling FitnV = 1.7500 2.4500 3.1500 3.8500 4.5500 5.2500 １、适应度的线性尺度变换——scaling １、适应度的线性尺度变换——scaling FitnV=scaling(ObjV) delta = 7.6250 a = 0.7049 b = 1.5861 FitnV = 2.2910 2.9959 4.4057 3.7008 7.9303 10.7500 5.1107 5.8156 ２、基于排序的适应度尺度变换——ranking 调用格式： ①FitnV=ranking(ObjV) ②FitnV=ranking(ObjV , RFun) ③FitnV=ranking(ObjV , RFun , SUBPOP) 功　　能：按照个体的目标值ObjV由小到大的顺序对它们进行排序，并返回一个对应个体适应度的列向量FitnV。２、基于排序的适应度尺度变换——ranking 其中各个选项的含义如下： ObjV——目标函数值列向量度； RFun——是指定排序方法及选择强度，分以下几种情况： (1)如果RFun是[1,2]内的标量，则采用线性排序，这个标量为选择强度；２、基于排序的适应度尺度变换——ranking (2)如果RFun是含有两个参数的向量，则RFun(1)指定选择强度：对于线性排序，选择强度RFun(1)在必须在[1 2]之间；对于非线性排序，则限定在[1，length(ObjV)-2]之间；如果为NaN，则RFun(1)＝2。RFun(2)指定排序方法：0为线性排序；1为非线性排序。２、基于排序的适应度尺度变换——ranking (3)如果RFun是一个长为Length(ObjV)的向量，则它包含对每一行的适应度值的计算。 SUBPOP——指明ObjV中子种群的数量，如果省略或为NaN，则假设SUBPOP＝１，在ObjV中子种群的大小必须相等。例2：在命令窗口中输入 ObjV=[1 2 3 4 5 10 9 8 7 6] % 产生目标函数值列向量 ObjV = 1 2 3 4 5 10 9 8 7 6 FitnV=ranking(ObjV) % 使用线性排序，选择强度为2 FitnV = 2.0000 1.7778 1.5556 1.3333 1.1111 0 0.2222 0.4444 0.6667 0.8889 FitnV=ranking(ObjV,[2 1]) % 使用非线性排序，选择强度为2 FitnV = 2.0000 1.6633 1.3833 1.1504 0.9568 0.3807 0.4577 0.5504 0.6618 0.7957 FitnV=ranking(ObjV,[1.5 0])% 使用线性排序，选择强度为1.5 FitnV = 1.5000 1.3889 1.2778 1.1667 1.0556 0.5000 0.61