[分享]matlab遗传算法工具箱函数及实例讲解
核心函数：(1)function =initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数【输出参数】 pop--生成的初始种群【输入参数】 num--种群中的个体数目 bounds--代表变量的上下界的矩阵 eevalFN--适应度函数 eevalOps--传递给适应度函数的参数 options--选择编码形式(浮点编码或是二进制编码),如precision--变量进行二进制编码时指定的精度 F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度) (2)function = ga(bounds,evalFN,evalOps,startPop,opts,... termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数 【输出参数】 x--求得的最优解 endPop--最终得到的种群 bPop--最优种群的一个搜索轨迹 【输入参数】 bounds--代表变量上下界的矩阵 evalFN--适应度函数 evalOps--传递给适应度函数的参数 startPop-初始种群 opts--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如 termFN--终止函数的名称,如['maxGenTerm'] termOps--传递个终止函数的参数,如 selectFN--选择函数的名称,如['normGeomSelect'] selectOps--传递个选择函数的参数,如 xOverFNs--交叉函数名称表，以空格分开，如['arithXover heuristicXover **Xover'] xOverOps--传递给交叉函数的参数表，如 mutFNs--变异函数表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation'] mutOps--传递给交叉函数的参数表,如 【注意】matlab工具箱函数必须放在工作目录下 遗传算法实例1 【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9 【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08 【程序清单】 %编写目标函数 function=fitness(sol,options) x=sol(1); eval=x+10*sin(5*x)+7*cos(4*x); %把上述函数存储为fitness.m文件并放在工作目录下 initPop=initializega(10,,'fitness');%生成初始种群，大小为10 =ga(,'fitness',[],initPop,,'maxGenTerm',25,' norm Geom Select',... ,['arithXover'],,'nonUnifMutation',) %25次遗传迭代 运算借过为：x = 7.8562 24.8553(当x为7.8562时，f（x）取最大值24.8553) 注：遗传算法一般用来取得近似最优解，而不是最优解。 遗传算法实例2 【问题】在－5<=Xi<=5,i=1,2区间内，求解 f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。 【分析】种群大小10，最大代数1000，变异率0.1,交叉率0.3 【程序清单】
％源函数的matlab代码 function =f(sol) numv=size(sol,2); x=sol(1:numv); eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282; %适应度函数的matlab代码 function =fitness(sol,options) numv=size(sol,2)-1; x=sol(1:numv); eval=f(x); eval=-eval; %遗传算法的matlab代码
bounds=ones(2,1)*[-5 5];
=ga(bounds,'fitness')
注：前两个文件存储为m文件并放在工作目录下，运行结果为
p =
0.0000 -0.0000 0.0055大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多少，也可是使用优化函数来验证。matlab命令行执行命令：
fplot('x+10*sin(5*x)+7*cos(4*x)',) evalops是传递给适应度函数的参数，opts是二进制编码的精度，termops是选择maxGenTerm结束函数时传递个maxGenTerm的参数，即遗传代数。xoverops是传递给交叉函数的参数。mutops是传递给变异函数的参数。 谢谢楼主了~~~~~~~~~~~~~~~~~~~~ 没用附件扣积分大赞~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 谢谢分享了！！！！！！！！！！！ 大赞楼主，楼主威武
楼主好人！ 谢谢楼主
{:soso_e112:} 谢谢楼主了~ 非常感谢楼主！ 不错不错
页:
[1]
2