matlab工具箱使用11.5.15.ppt

使用MATLAB 遗传算法工具 使用MATLAB 遗传算法工具 遗传算法与直接搜索工具箱（Genetic Algorithm and Direct Search Toolbox） 遗传算法工具：问题创建、适应度计算、选择、交叉和变异 直接搜索工具：模式搜索方法 使用MATLAB 遗传算法工具 1. 编写待优化函数的M文件 优化函数：使适应度函数最小化，即 M 文件接受一个行向量，返回一个标量； 行向量的长度：目标函数中独立变量的个数； 使用MATLAB 遗传算法工具 1. 编写待优化函数的M文件 举例 M 文件的代码： function z = my_fun( x ) z=x(1)^2 - 2*x(1)*x(2) + 6*x(1) + x(2)^2 - 6*x(2); 使用MATLAB 遗传算法工具 2. 遗传算法使用方式 通过图形用户界面（GUI）使用遗传算法工具 以命令行方式调用遗传算法函数ga 使用MATLAB 遗传算法工具 2. 遗传算法使用方式 2.1 通过GUI 使用遗传算法 1. 打开遗传算法工具GUI 在命令窗口输入：gatool 使用MATLAB 遗传算法工具 2.2 通过GUI 使用遗传算法 2. 在遗传算法工具中定义问题 （1）Fitness function——求最小值的适应度函数 适应度函数形式：@ fitnessfun fitnessfun.m: 计算适应度函数的M文件 使用MATLAB 遗传算法工具 2.2 通过GUI 使用遗传算法 3. 运行遗传算法 “Run solver”中单击“Start”按钮 “Status and results”窗格：显示运行结果 使用MATLAB 遗传算法工具 2.2 通过GUI 使用遗传算法 5. 图形显示 “Plot”窗格：控制显示运行结果变化的图形 使用MATLAB 遗传算法工具 2.2 通过GUI 使用遗传算法 7. 生成 M 文件 “File” “Generate M- file” 使用MATLAB 遗传算法工具 2. 遗传算法使用方式 2.2 以命令行方式调用遗传算法函数ga [ x fval ] = ga ( @ fitnessfun, nvars, options ) @ fitnessfun: 适应度函数句柄 nvars ：适应度函数的独立变量的个数 options ：包含遗传算法选项参数的结构 例如options=gaoptimset（PopulationSize，100） x ：最终值到达的点 fval ：适应度函数的最终值 使用MATLAB 遗传算法工具 2. 遗传算法使用方式 2.2 以命令行方式调用遗传算法函数ga MATLAB的workspace（工作空间）调用ga 编写Ｍ文件调用ga 第9章 遗传算法及其应用 遗传算法 ( Genetic Algorithms, GA ):一类借鉴生物界自然选择和基因遗传学原理的随机搜索算法。 第9章 遗传算法及其应用 遗传算法 ( Genetic Algorithms, GA ):一类借鉴生物界自然选择和基因遗传学原理的随机搜索算法。 9.2.1 遗传算法的基本操作 初始种群： 初始种群 第二代种群 在迭代60、80、95、100次时的种群 1）在Matlab的File菜单中选择New菜单项 2）选择M-File，在编辑器打开一个新的M文件 3）在该M文件中，输入下面两行代码： function z = my_fun( x ) z=x(1)^2 - 2*x(1)*x(2) + 6*x(1) + x(2)^2 - 6*x(2); 4）在Matlab路径指定的目录中保持该M文件 Population（种群） 、 Fitness scaling（适应度尺度） 、 Selection（选择）、Reproduction（复制）、 Mutation（变异）、Crossover（交叉）、 Migration（移民）、Hybrid function（混合函数）、 Stopping criteria（停止准则）、Output function（输出函数）、 Display command window（显示到命令窗口）、 Vectorize（向量化） Run solver（运行求解器） * （2）Number of variables——适应度函数的独立变量个数 4. 暂停和停止算法 “Pause”按钮：暂停