遗传算法实验六.ppt

Matlab遗传算法工具箱应用举例 §5.1 简单一元函数优化实例 具有性能跟踪和图像输出功能的程序代码 figure(1); %画出函数曲线 fplot(variable.*sin(10*pi*variable)+2.0,[-1,2]); %定义遗传算法参数 NIND=40; %群体中个体数目 MAXGEN=25; %最大遗传代数 PRECI=20; %变量的二进制位数 具有性能跟踪和图像输出功能的程序代码 %代沟 GGAP=0.9; %寻优结果的初始值 trace=zeros(2, MAXGEN); %建立区域描述器 FieldD=[20;-1;2;1;0;1;1]; %生成初始种群 Chrom=crtbp(NIND, PRECI); 具有性能跟踪和图像输出功能的程序代码 %代计数器 gen=0; %计算初始种群的十进制转换 variable=bs2rv(Chrom, FieldD); %计算目标函数值 ObjV=variable.*sin(10*pi*variable)+2.0; 具有性能跟踪和图像输出功能的程序代码 while genMAXGEN %分配适应度值 FitnV=ranking(-ObjV); %选择 SelCh=select(sus, Chrom, FitnV, GGAP); %重组 SelCh=recombin(xovsp, SelCh, 0.7); %变异 SelCh=mut(SelCh); 具有性能跟踪和图像输出功能的程序代码 %子代个体的十进制转换 variable=bs2rv(SelCh, FieldD); %计算子代的目标函数值 ObjVSel=variable.*sin(10*pi*variable)+2.0; %重插入子代的新种群 [Chrom ObjV]=reins(Chrom, SelCh, 1, 1, ObjV, ObjVSel); variable=bs2rv(Chrom, FieldD); 具有性能跟踪和图像输出功能的程序代码 %代计数器增加 gen=gen+1; %输出最优解及其序号，并在目标函数图像 %中标出，Y为最优解,I为种群的序号 [Y, I]=max(ObjV);hold on; plot(variable(I), Y, bo); %遗传算法性能跟踪 trace(1, gen)=max(ObjV); %每一代最优解 trace(2, gen)=sum(ObjV)/length(ObjV); end 具有性能跟踪和图像输出功能的程序代码 %最优个体的十进制转换 variable=bs2rv(Chrom, FieldD); hold on, grid on; plot(variable,ObjV,b*); figure(2); plot(trace(1,:)); hold on; plot(trace(2,:),-.);grid off legend(解的变化,种群均值的变化) 程序运行追踪结果： 程序运行追踪结果 程序运行追踪结果 程序运行追踪结果 例题中用到的一些绘图函数说明 1、绘制函数图像函数—fplot 调用格式： FPLOT(FUN,LIMS) FPLOT(FUN,LIMS,TOL) FPLOT(FUN,LIMS,N) FPLOT(FUN,LIMS,LineSpec) 参数说明： LIMS = [XMIN XMAX]或 LIMS = [XMIN XMAX YMIN YMAX]——给出变量范围 TOL—可接受的相对误差，默认值为2e-3, 即 0.2% N —限定绘制的函数至少有N+1个点，默认值为1. 最大步长限定为 (1/N)*(XMAX-XMIN). LineSpec—指定线型 FUN—要绘制图像的函数 例如： fplot(variable.*sin(10*pi*variable)+2.0,[-1,2]); 2、定义零矩阵—ZEROS ZEROS(N)—产生N阶零矩阵 ZEROS(M,N) 或 ZEROS([M,N]) )—产生M×N阶零矩阵； ZEROS(M,N,P,...) or ZEROS([M N P ...]) )—产生M×N×P × ...阶零矩阵；