matlab遗传算法作业.docxVIP

ＭAＴＬＡB遗传算法 一：遗传算法简介： 遗传 ＨYPＥRLINＫ ＼t 算法(Ｇeneｔｉc? ＨYPERLINＫ　 Algｏrithm）是一类借鉴生物界的进化规律( HYPERLINK ＂ \ｔ 适者生存, HYPＥＲLIＮK 　 优胜劣汰遗传机制)演化而来的 ＨYPＥＲLＩNK 　\ｔ　＂ 随机化搜索方法。它是由 HYPEＲLIＮK 美国的J.Hｏllaｎd教授1９75年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和 ＨYＰERＬINK \ｔ 函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力；采用　HYPERLIＮK ＂ 概率化的寻优方法,能自动获取和 HＹPERLIＮK 　\t　＂　指导优化的搜索 ＨＹPＥRＬＩNK ＂　\t ＂ 空间,自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质,已被人们广泛地应用于 HＹPERLINK ＂ \t ＂ 组合优化、机器学习、信号处理、 HYPERLINK ＂ 自适应控制和人工生命等　HＹPERLINK \t ＂　领域。它是现代有关 HYPERLIＮK \t ＂　智能计算中的 HＹPEＲLINK　＂ 关键技术。 二：遗传算法的基本步骤 　　a)初始化：设置进化代数计数器t=0,设置最大进化代数Ｔ,随机生成Ｍ个个体作为初始群体P(0)。 　 b)个体评价:计算群体Ｐ(t)中各个个体的 HYPERLＩＮK ＂ 适应度。 c) HYPERLINＫ \ｔ 选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的 HYPEＲＬINK　 \ｔ 　适应度评估基础上的。 　d)交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。 e) ＨYPERLＩNＫ ＂ \t ＂＂　变异运算:将变异算子作用于群体。即是对群体中的个体串的某些 HYＰERＬINＫ 　＼ｔ 基因座上的基因值作变动。 　 群体P(t)经过选择、交叉、 ＨYＰＥRＬINK　＂ \t ＂　变异运算之后得到下一代群体P（t+1）。 　 f)终止条件判断:若ｔ=Ｔ,则以进化过程中所得到的具有最大 ＨYＰEＲLINＫ　＂　＼t　 适应度个体作为 HYPERLＩNK 　\t ＂ 最优解输出，终止计算。 三:matlab实现 　 例子：f(x）=1０＊sin(5x）＋７＊coｓ(4x) x∈［0，10］　将变量域　[0，10］ 离散化为二值域 [0,1023],　x=0+１0＊b/1０23。 1.初始化 ｉnitpop.m funcｔioｎ pop=iniｔpoｐ(popsｉze,chｒoｍleｎｇth) pop=rouｎｄ（raｎd(pｏpsize,chｒomleｎgth)); %　raｎd随机产生每个单元为0或者１　 行数(种群数量)为popsｉｚe,列数为chｒomlｅｎgth（个体所含基因数)的矩阵,　 计算目标函数值 2.1 将二进制数转化为十进制数(1) decｏdebinａry.ｍ %产生 [2^n ２^(ｎ-1)　..． 1］ 的行向量,然后求和，将二进制转化为十进制 fuｎctiｏn　ｐop２=decoｄｅbiｎａry(ｐｏp) ［px，py］=sｉze(pｏp) ％Poｐ的行和列数 for i=1:pｘ poｐ2（i)＝０ for j=1:pｙ 　 ｐop２(ｉ）=poｐ2(i）+2．＾(py-j）＊pop(i,j) 　 ｅnｄ eｎd 2.2 将二进制编码转化为十进制数（2) Dｅｃodechroｍ.m %函数的功能是将染色体(或二进制编码)转换为十进制，参数spoｉnt表示待解码的二进制串的起始位置 ? ｆunction pop2＝decｏｄechrom（pop,spoint，length） poｐ1=ｐop(：,spoint:spoiｎｔ+lｅnｇｔｈ－１)％pｏp1取pｏp的第spoiｎt列到ｓpｏint+length-1列为止 pop2=deｃodebinarｙ(pop1） 2.2.3 计算目标函数值 ?% caｌobｊvaluｅ.m函数的功能是实现目标函数的计算 funcｔion [objvａlue] ＝　ｃalobjvalue（pｏp) 　ｔemｐ１＝dｅｃodeｃhrom(ｐoｐ,１,10)%将poｐ每行转换成十进制 x=tｅmｐ1*10／１０23%将二值域中的数转化为变量域的数 obｊvalue=１0＊ｓin(5＊x)+７*ｃoｓ(4*ｘ)%变量域是从1到10 m=max(oｂjvaｌue) b=0 ｆｏr i=1:100 ｉf　obｊvａlue(i)＝=m