遗传算法的Matlab实现讲解.pptxVIP

会计学23Matlab函数调用实现GAMatlab工具箱实现GA第1页/共37页Contents I1Matlab编程实现GA第2页/共37页Matlab编程实现GA例1：计算目标函数值函数 第3页/共37页Matlab编程实现GApop=initpop(popsize,chromlength); %随机产生初始群体for i=1:Gene %20为迭代次数 [objvalue]=calobjvalue(pop,chromlength,Xmax,Xmin); %计算目标函数 fitvalue=calfitvalue(objvalue); %计算群体中每个个体的适应度 [newpop]=selection(pop,fitvalue); %复制 [newpop]=crossover(newpop,pc); %交叉 [newpop]=mutation(newpop,pm); %变异 [bestindividual,bestfit]=best(pop,fitvalue); %求出群体中适应值最大的个体及其适应值 x(i)=decodechrom(bestindividual,1,chromlength)*10/(2^chromlength-1); %最佳个体解码 y(i)=bestfit+Cmin; %最佳个体适应度 y_mean(i)=mean(fitvalue+Cmin); %第i代平均适应度 pop=newpop;endfplot(2*x+10*sin(5*x)+7*cos(4*x),[0 10])hold onplot(x,y,r*)hold off主程序 %遗传算法主程序function My_GAglobal Cmin;Cmin=-10^6;popsize=50; %群体大小Gene=20;chromlength=20; %字符串长度（个体长度）pc=0.8; %交叉概率pm=0.01; %变异概率Xmax=10;Xmin=0;第4页/共37页Matlab编程实现GA初始化(编码) % 函数的功能是实现群体的初始化，popsize表示群体的大小，chromlength表示染色体的长度(二值数的长度)，% 长度大小取决于变量的二进制编码的长度(在本例中取20位)。%Name: function pop=initpop(popsize,chromlength) pop=round(rand(popsize,chromlength)); % rand随机产生每个单元为 {0,1} 行数为popsize，列数为chromlength的矩阵，% round对矩阵的每个单元进行取整。这样产生的初始种群。第5页/共37页Matlab编程实现GA将二进制数转化为十进制数 将二进制数转化为十进制数%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); %求pop行和列数for i=1:py pop1(:,i)=2.^(py-i).*pop(:,i);endpop2=sum(pop1,2); %求pop1的每行之和function pop2=decodechrom(pop,spoint,length)pop1=pop(:,spoint:spoint+length-1);pop2=decodebinary(pop1);第6页/共37页Matlab编程实现GA计算目标函数值 计算目标函数值% 函数的功能是实现目标函数的计算，其公式采用本文示例仿真，可根据不同优化问题予以修改。%遗传算法子程序%Name: %实现目标函数的计算function [objvalue]=calobjvalue(pop,chromlength,Xmax,Xmin)temp1=decodechrom(pop,1,chromlength); %将pop每行转化成十进制数x=temp1*(Xmax-Xmin)/(2^chromlength-1); %将十进制域 中的数转化为变量域 的数objvalue=2*x+10*sin(5*x)+7*cos(4*x); %计算目标函数值第7页/共37页Matlab编程实现GA计算个体的适应值 function fitvalue=calfitvalue(objvalue)global Cmin;fitvalue=objvalue-Cmin;第8页/共37页Matlab编程实现GA选择复制 function [newpop]=selection(pop,fitvalue) %程序中采用赌轮盘选择法选择实现totalfit=sum(fitvalue); %求适应值之和fitvalue=fitvalue/totalfi