第四章遗传算法的应用.pptVIP

第四章 遗传算法的工具箱及应用 教学目的和要求： 1.了解基于matlab的遗传算法工具箱 功能; 2.熟悉利用工具箱解决优化问题的方法步骤; 3.会编写优化函数的M文件。 重点：工具箱的使用方法 难点：M文件的编写技巧 最新发布的MATLAB7.0 Release 14包含一个专门设计 的遗传算法与直接搜索工具箱: (Genetic Algorithm andDirect Search TooLbox), 使用遗传算法与直搜索工具箱，可以扩展MATLAB及其优化工 具箱在处理优化问题方面的能力，可以处理传统的优化技术难 以解决的复杂问题， 包括那些难以定义或不便于进行数学 建模问题，可以解决目标函数较复杂的问题，比如目标函数不 连续或具有高度非线性、随机性以及目标函数不可微的情况。 首先综合介绍这个遗传算法与直接搜索工具箱，其余各节 具体介绍该工具箱中的遗传算法工具及其使用方法。 使用语句 type function_name 就可以看到这些函数的MATLAB代码。我们也可以通过编写自己的M文件来实现和扩展遗传算法和直接搜索工具箱的性能，也可以将该工具箱与MATLAB的其他工具箱或Simulink结合使用来求解优化问题。 工具箱函数可以通过图形界面或MATLAB命令行来访问，它们是用MATLAB语言编写的，对用户开放，因此可以查看算法、修改源代码或生成用户函数。 遗传算法与直接搜索工具箱可以帮助我们求解那些不易用传统方法解决的问题，譬如表查找问题等。 遗传算法与直接搜索工具箱有一个精心设计的图形用户界面，可以帮助我们直观、方便、快速地求解最优化问题。 2．图形用户界面和命令行函数 遗传算法工具函数可以通过命令行和图形用户界面来使 用遗传算法。直接搜索工具函数也可以通过命令行和图形用 户界面来进行访问。图形用户界面可用来快速地定义问题， 设置算法选项，对优化问题进行详细定义。 遗传算法和直接搜索工具箱还同时提供了用于优化管理、 性能监控及终止准则定义的工具，同时还提供了大量的标准 算法选项。 在优化运行的过程中，可以通过修改选项来细化最优解， 更新性能结果。用户也可以提供自己的算法选项来定制工具 箱。 3．使用其他函数和求解器 遗传算法与直接搜索工具箱和MATLAB及优化工具箱是 紧密结合在一起的。 4.3 所需的产品支持 遗传算法与直接搜索工具箱作为其他优化方法的补充，可以用来寻找最佳起始点，然后再通过使用传统的优化技术来进一步寻找最优解。 工具箱需要如下产品支持： (1)MATLAB。 (2)优化工具箱。 · 相关产品 与遗传算法与直接搜索工具箱相关的产品有： (1)统计工具箱——应用统计算法和概率模式。 (2)神经网络工具箱——设计和仿真神经网络。 (3)模糊逻辑工具箱——设计和仿真基于模糊逻辑的系统。 (4)金融工具箱——分析金融数据和开发金融算法。 4.5 编写待优化函数的M文件 为了使用遗传算法和直接搜索工具箱，首先必须编写一个M文件，来 确定想要优化的函数。这个M文件应该接受一个行向量，并且返回一个标 量。行向量的长度就是目标函数中独立变量的个数。本节将通过实例解释 如何编写这种M文件。 1．编写M文件举例 下面的例子展示了如何为一个想要优化的函数编写M文件。假定我们想 要计算下面函数的最小值： f(x1,x2)=x12-2x1x2+6X1+X22-6X2 M文件确定这个函数必须接受一个长度为2的行向量X，分别与变量x1和 x2相对应，并且返回一个标量Z，其值等于该函数的值。为了编写这个M 文件，执行如下步骤： 2．最大化与最小化 遗传算法和直接搜索工具箱中的优化函数总是使目标函数 或适应度函数最小化，也就是说，它们求解如下形式的问题： 如果想要求出函数f(x)的最大值，可以转而求取函数g(x)＝-f(x) 的最小值，因为函数g(x)最小值出现的地方与函数f(x)最大值出 现的地方相同。例如想要求前面所描述的函数 f(x1,x2)=x12-2x1x2+6x1+x22-6x2的最大值，这时,我们应 当编写一个M文件来计算，求函数g(x)＝-f(xl，x2)＝-(x12- -2x1x2+6x1+x22-6x2)的最小值。 3．自动代码生成 遗传算法与直接搜索工具箱提供了自动代码生成特性，可 以自动生成求解优化问题所需要的M文件。另外，图形用户界 面所输出的优化结果可以作为对来自命令行调用代码