智能优化方法及MATLAB_GA工具箱简介.ppt

4）变异 设置变异点，将个体字符串某位符号进行逆变。 5）终止 反复执行直到得到满意的结果 现代优化方法 基于GA的优化问题求解实例 现代优化方法 Matlab的GA工具箱使用简介 利用遗传算法函数ga求解 两种方案 利用遗传算法工具箱gatool求解 遗传算法函数： [x,fval]=ga(fitnessfun,nvars,A,b,Aeq,beq,lb,ub,nonlcon,options) 输出函数： x-----最优解 fval -----最优适应度 输入函数 fitnessfun-----适应度函数 nvars-----变量个数 ? 现代优化方法 Matlab的GA工具箱使用简介 输入参数 A,b----不等式约束 Aeq,beq----等式约束 Lb,ub----变量的上下限 nonlcon----非线性函数约束 options----传递给ga的参数，不写matlab自动取默认值,参考gaoptimset 现代优化方法 Matlab的GA工具箱使用简介 遗传算法工具箱gatool 在matlab控制窗口输入 gatool 打开ga工具箱，控制界面如下图 现代优化方法 Matlab的GA工具箱使用简介 现代优化方法 Matlab的GA工具箱使用简介 实例讲解： 将目标函数创建为Simple_objective的m文件： function y = simple_objective(x) y = 100 * (x(1)^2 - x(2)) ^2 + (1 - x(1))^2; 现代优化方法 Matlab的GA工具箱使用简介 将非线性约束函数创建为simple_constraint的m文件： function [c, ceq] = simple_constraint(x) c = [1.5 + x(1)*x(2) + x(1) - x(2); -x(1)*x(2) + 10]; ceq = []; 用ga函数求解，对应的程序如下 现代优化方法 Matlab的GA工具箱使用简介 ObjectiveFunction = @simple_objective; nvars = 2; % Number of variables LB = [0 0]; % Lower bound UB = [1 13]; % Upper bound ConstraintFunction = @simple_constraint; [x,fval] = ga(ObjectiveFunction,nvars,[],[],[],[],LB,UB, ... ConstraintFunction) 现代优化方法 Matlab的GA工具箱使用简介 x=0.8122 12.3122 fval=1.3578e+004 用gatool求解 现代优化方法 Matlab的GA工具箱使用简介 x=0.8122 12.3122 fval=1.3578e+004 Q A 1.禁忌搜索就是对于找到的一部分局部最优解，有意识地避开它从而获得更多的搜索区间。兔子们找到了泰山，它们之中的一只就会留守在这里，这就是禁忌搜索中“禁忌表（tabu list）”的含义,其他的再去别的地方寻找。就这样，一大圈后，把找到的几个山峰一比较，珠穆朗玛峰脱颖而出. 2.模拟退火来自冶金学的专有名词退火。退火是将材料加热后再经特定速率冷却，目的是增大晶粒的体积，并且减少晶格中的缺陷。将热力学的理论套用到统计学，将搜寻空间内每一点想像成空气内的分子；分子的能量，就是它本身的动能；而搜寻空间内的每一点，也像空气分子一样带有“能量”，以表示该点对命题的合适程度。演算法先以搜寻空间内一个任意点作起始：每一步先选择一个“邻居”，然后再计算从现有位置到达“邻居”的概率。 3.人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果. * 1.当一只找到食物以后，它会向环境释放一种信息素，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物！有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果新开辟的道路比原来的其他道路更短，那么，渐渐，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。 2粒子群算法模拟鸟群的捕食行为。一群鸟在随机搜索食物，在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前