第七，告诉matlab一些智能优化算法.pptVIP

Matlab部分智能优化算法;本章主要学习matlab中三个智能优化算法 及其实现. 一、遗传算法 1、算法的相关知识 2、ga及gatool 二、人工神经网络 1、算法的相关知识 2、newff,newlvq,train,sim及nntool 三、粒子群算法;一、遗传算法;程度（简称为适应度）来作为以后遗传操作的 依据； 第三步，进行选择操作：选择的目的是为了 从当前种群中选出优良的染色体，判断染色体 优良与否的准则是各自的适应度，即染色体的 适应度越高，其被选择的机会就越多； 第四步，进行交叉操作：对选择出来的新种 群进行交叉操作； 第五步，进行变异操作：变异操作的目的是 为了挖掘种群中个体的多样性，克服有可能陷 入局部解的弊病。 ;进行了上述三个操作所产生的染色体称为后 代。对后代重复进行选择、交叉、变异操作， 经过给定次数的迭代处理以后，把最好的染色 体作为优化问题的最优解。 2 matlab指令与计算举例 格式一：x=ga(@fitnessfun,nvars) 求解：优化问题 min f(x)，其中 nvar 为优化 问题中变量的个数. fitnessfun 写成如下的m函 数形式(fitnessfit.m)： ; function f=fitnessfun(x) f=f(x); 当求解有约束优化问题时，可将约束条件用逻辑语句写进上述 fitnessfun 函数。如 function f=fitnessfun(x) if (x=0|x4), f=inf; else, f=f(x); end %即上述优化问题有约束x0和x=4.;格式二：[x,f,reason]=ga(@fitnessfun,nvars) %同时返回解 x 处的函数值 f 和算法终止原因. matlab还提供了遗传算法运算工具命令gatool. 例 1 分别用优化工具箱中的fminunc函数和遗传算法计算非线性规划： max f(x)=xsin(10 pi x)+2, x\in [-1,2]. 首先用遗传算法求解，编写程序如下： function f=ga_exam1(x) if (x=-1 | x2), f=100; else, f=-x.*sin(10*pi*x)-2; end;如果用 fminunc 求解的话，由于对初值的高度敏感性而难以得到全局最优解，而遗传算法的整体优化搜索则可以得到或逼近整体最优值. 例 2 运用遗传算法计算约束非线性规划： min f(x)=e^x1*(4x1^2+2x2^2+4x1x2+2x2+1). s.t. 1.5+x1x2-x1-x2=0, -x1x2=10. 首先编写程序如下： function f=ga_exam2(x) if (1.5+x(1)*x(2)-x(1)-x(2)0 | -x(1)*x(2)10), f=100; ; else f= exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1); end 例 3 运用遗传算法计算下列函数最大值： max f(x,y)=0.5-(sin^2(sqrt(x^2+y^2))-0.5)/ (1+0.01(x^2+y^2))^2. 函数 f(x,y) 的复杂度较高，它有无限个局部极大值点，其中只有一个(0,0)为全局最大值点，最大值为1。 ;function f=ga_exam3(x) f=0.5-((sin(sqrt(x(1)^2+x(2)^2)))^2-0.5)/ (1+0.01*(x(1)^2+x(2)^2))^2 通过对比，遗传算法在整体最优化方面强于 matlab其他优化命令，但明显弱于1stopt . ;二、人工神经网络; （2）人工神经元与神经网络 1943年美国心理学家W.McCulloch和数学家W.Pitts 提出了一个简单的神经元模型—MP模型，如下图.;人工神经网络是由若干个人工神经元相互连接组成的广泛并行互联的网络，见下图。因联结方式的不同，有“前馈神经网络”(