- 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
查看更多
计量经济学第十二讲 遗传算法
(4)确定解码方法:解码时需要将20位长的二进制编码串切断为两个10位长的二进制编码串,然后分别将它们转换为对应的十进制整数代码,分别记为y1和y2。 依据个体编码方法和对定义域的离散化方法可知,将代码y转换为变量x的解码公式为 例如,对个体 它由两个代码所组成 上述两个代码经过解码后,可得到两个实际的值 (5)确定个体评价方法:由于Rosenbrock函数的值域总是非负的,并且优化目标是求函数的最大值,故可将个体的适应度直接取为对应的目标函数值,即 选个体适应度的倒数作为目标函数 (6)设计遗传算子:选择运算使用比例选择算子,交叉运算使用单点交叉算子,变异运算使用基本位变异算子。 (7)确定遗传算法的运行参数:群体大小M=80,终止进化代数G=100,交叉概率Pc=0.60,变异概率Pm=0.10。 上述七个步骤构成了用于求函数极大值的优化计算基本遗传算法。 采用上述方法进行仿真,经过100步迭代,最佳样本为 即当 时,Rosenbrock函数具有极大值,极大值为3905.9。 遗传算法的优化过程是目标函数J和适应度函数F的变化过程。 由仿真结果可知,随着进化过程的进行,群体中适应度较低的一些个体被逐渐淘汰掉,而适应度较高的一些个体会越来越多,并且它们都集中在所求问题的最优点附近,从而搜索到问题的最优解。 5.2 实数编码遗传算法求函数极大值 求解该问题遗传算法的构造过程: (1)确定决策变量和约束条件; (2)建立优化模型; (3)确定编码方法:用2个实数分别表示两个决策变量,分别将的定义域离散化为从离散点-2.048到离散点2.048的Size个实数。 (4)确定个体评价方法: 个体的适应度直接取为对应的目标函数值,即 选个体适应度的倒数作为目标函数 (5)设计遗传算子:选择运算使用比例选择算子,交叉运算使用单点交叉算子,变异运算使用基本位变异算子。 (6)确定遗传算法的运行参数:群体大小M=500,终止进化代数G=200,交叉概率Pc=0.90,采用自适应变异概率 即变异概率与适应度有关,适应度越小,变异概率越大。 上述六个步骤构成了用于求函数Rosenbrock极大值的优化计算的实数编码遗传算法。 十进制编码求函数Rosenbrock极大值。仿真程序见chap10_2.m。 仿真程序经过200步迭代,最佳样本为 即当 , 时,函数具有极大值,极大值为3880.3。 六、 基于遗传算法优化的RBF网络逼近 6.1 遗传算法优化原理 在7.3节的RBF网络逼近算法中,网络权值、高斯函数的中心矢量和基宽向量的初值难以确定,如果这些参数选择不当,会造成逼近精度的下降甚至RBF网络的发散。采用遗传算法可实现RBF网络参数的优化。 为获取满意的逼近精度,采用误差绝对值指标作为参数选择的最小目标函数。 式中, 为逼近的总步骤, 为第 步RBF网络的逼近误差。 在应用遗传算法时,为了避免参数选取范围过大,可以先按经验选取一组参数,然后再在这组参数的周围利用遗传算法进行设计,从而大大减少初始寻优的盲目性,节约计算量。 6.2 仿真实例 使用RBF网络逼近下列对象: 在RBF网络中,网络输入信号为2个,即 和 ,网络初始权值及高斯函数参数初始值通过遗传算法优化而得。 遗传算法优化程序为chap10_3a.m,取逼近总步骤为,每一步的逼近误差由chap10_3b.m求得。采用二进制编码方式,用长度为10位的二进制编码串来分别表示向量b、c和w中的每个值。 遗传算法优化中,取样本个数为Size=30,交叉概率为Pc=0.60,采用自适应变异概率,即适应度越小,变异概率越大,取变异概率为 取用于优化的RBF网络结构为2-3-1,网络权值wj的取值范围为[-1,+1],高斯函数基宽向量的取值范围为[0.1,3.0],高斯函数中心矢量的取值范围为[-3,+3]。取 则共有12个参数需要优化。 经过150代遗传算法进化,优化后的结果为: p=[2.7732,2.6343,2.2630,1.8680,-0.0616,-0.7126,-0.3959,2.2669, -1.4047,-0.3099,0.7478,-0.3353]。
您可能关注的文档
- 蔬果课员工作职掌第一周(课员使用) 大型超市综合培训资料.doc
- 蔬果课员工作职掌第二周(课员使用) 大型超市综合培训资料.doc
- 蔬果课员工作职掌第四周(课员使用) 大型超市综合培训资料.doc
- 蔬菜学 教学课件 第一节 蔬菜栽培概述.ppt
- 蓝藻们 常见淡水微生物图谱.ppt
- 蔬菜学 教学课件 第三节 蔬菜的生育周期.ppt
- 蔬菜栽培生理学第七章 蔬菜植物的群体生理.ppt
- 蔬菜栽培生理学5-7 第五章:果菜类的果实发育生理 第六章:蔬菜植物调控的生理基础 第七章:蔬菜植物的群体生理.ppt
- 蔬菜栽培生理学1-2 第一章:蔬菜植物的生长发育和分化 第二章:蔬菜育苗的生理基础.ppt
- 蔬菜栽培生理学3-4 第三章:叶球、花球和菜薹的形成生理 第四章:根和茎菜类产品器官的发育生理.ppt
文档评论(0)