遗传算法提供了一种求解非线性、多模型、多目标等复杂系统优化问题的通用框架。

先从例子开始,慢慢再总结理论。。。

【例】利用遗传算法计算函数f(x)=x*cos(5*pi*x)+3.5在区间[-1,2.5]上的最大值

先在工作区建立上面函数的一个m文件并保存,命名为fun_sigv.m:

function y=fun_sigv(x)
y=x.*cos(5*pi*x)+3.5;

代沟是父代中需要经过选择、交叉、变异得到下一代的比例,例如父代共100个个体,代沟为0.9,表明有90个个体被选中进行上述一系列操作进化到下一代,剩下10%不变、直接进入下一代,也即下一代还是100个个体。

tarce是代数*2的二维矩阵,存储各子代种群最优解和各子代种群平均值

fieldd是区域描述器,有的书中[1]叫译码矩阵。其结构为

  FieldD=[len,lb,ub,code,scale,lbin,ubin]';('代表转置,也就是FieldD是列向量)

  len是每个chrom的长度,lb和ub是行向量,分别指明每个变量使用的下界和上界。

  code是二进制行向量,code(i)=1为标准二进制编码,code(i)=0为格雷码。

  scale是二进制行向量,指明每个子串是否使用对数或算数刻度。0为算数刻度,1为对数刻度。

  lbin和ubin是二进制行向量,指明表示范围中是否包含每个边界。选择lbin=0或ubin=0,从表示范围中去掉边界;lbin=0或ubin=1则表示包含边界。

fieldd在二进制串到实值转换函数bs2rv中用到:Phen=bs2rv(Chrom,FieldD),即根据译码矩阵FieldD将二进制串矩阵Chrom转换为实值向量。返回矩阵Phen包含对应的种群表现型。对于bs2rv函数,如果使用对数刻度,其范围不能包含零。

下面是MATLAB代码:

opt_minmax=1;   %目标优化类型:1最大化、0最小化
num_ppu=50; %种群规模即个体个数
num_gen=60; %最大遗传代数
len_ch=20; %基因长度
gap=0.9; %代沟(Generation gap)
sub=-1; %变量取值下限
up=2.5; %变量取值上限
cd_gray=1; %是否选择格雷码编码方式:1是、0否
sc_log=0; %是否选择对数标度:1是、0否
trace=zeros(num_gen,2); %遗传迭代性能跟踪器
fieldd=[len_ch;sub;up;1-cd_gray;sc_log;1;1]; %区域描述器
chrom=crtbp(num_ppu,len_ch); %初始化生成种群
k_gen=0;
x=bs2rv(chrom,fieldd); %翻译初始化种群为10进制
fun_v=fun_sigv(x); %计算目标函数值
tx=sub:.01:up;
plot(tx,fun_sigv(tx));
xlabel('x');ylabel('y');
title('一元函数优化结果');
hold on; while k_gen<num_gen
fit_v=ranking(-opt_minmax*fun_v); %计算目标函数的适应度
selchrom=select('rws',chrom,fit_v,gap); %使用轮盘赌方式选择
selchrom=recombin('xovsp',selchrom); %交叉
selchrom=mut(selchrom); %变异
x=bs2rv(selchrom,fieldd); %子代个体翻译
fun_v_sel=fun_sigv(x); %计算子代个体对应目标函数值
[chrom,fun_v]=reins(chrom,selchrom,1,1,opt_minmax*fun_v,opt_minmax*fun_v_sel);%根据目标函数值将子代个体插入新种群
[f,id]=max(fun_v); %寻找当前种群最优解
x=bs2rv(chrom,fieldd);
f=f*opt_minmax;
fun_v=fun_v*opt_minmax;
k_gen=k_gen+1;
trace(k_gen,1)=f;
trace(k_gen,2)=mean(fun_v);
end
plot(x(id),f,'r*');
figure;
plot(trace(:,1),'r-*');
hold on;
plot(trace(:,2),'b-o');
legend('各子代种群最优解','各子代种群平均值');
xlabel('迭代次数');ylabel('目标函数优化过程');
title('一元函数优化过程');

  

求函数f(x)=x*sin(10*pi*x)+2.0,x属于[-1,2]的最大值:

opt_minmax=1;   %目标优化类型:1最大化、0最小化
num_ppu=50; %种群规模即个体个数
num_gen=25; %最大遗传代数
len_ch=20; %基因长度
gap=0.9; %代沟(Generation gap)
sub=-1; %变量取值下限
up=2; %变量取值上限
cd_gray=1; %是否选择格雷码编码方式:1是、0否
sc_log=0; %是否选择对数标度:1是、0否
trace=zeros(num_gen,2); %遗传迭代性能跟踪器
fieldd=[len_ch;sub;up;cd_gray;sc_log;1;1]; %区域描述器
chrom=crtbp(num_ppu,len_ch); %初始化生成种群
k_gen=0;
x=bs2rv(chrom,fieldd); %翻译初始化种群为10进制
fun_v=fun_sigv(x); %计算目标函数值
tx=sub:.01:up;
plot(tx,fun_sigv(tx));
xlabel('x');ylabel('y');
title('一元函数优化结果');
hold on; while k_gen<num_gen
fit_v=ranking(-opt_minmax*fun_v); %计算目标函数的适应度,基于秩/排序的适应度计算。
selchrom=select('rws',chrom,fit_v,gap); %使用轮盘赌方式选择
selchrom=recombin('xovsp',selchrom); %交叉
selchrom=mut(selchrom); %变异
x=bs2rv(selchrom,fieldd); %子代个体翻译
fun_v_sel=fun_sigv(x); %计算子代个体对应目标函数值
[chrom,fun_v]=reins(chrom,selchrom,1,1,opt_minmax*fun_v,opt_minmax*fun_v_sel);%根据目标函数值将子代个体插入新种群
[f,id]=max(fun_v); %寻找当前种群最优解
% hold on;
% if id<size(x,1)
% plot(x(id),f,'r*');
% end
x=bs2rv(chrom,fieldd);
f=f*opt_minmax;
fun_v=fun_v*opt_minmax;
k_gen=k_gen+1;
trace(k_gen,1)=f;
trace(k_gen,2)=mean(fun_v);
end plot(x',fun_v','b*');
plot(x(id),f,'rd');
% hold on;
% figure;
% plot(trace(:,1),'r-*');
% hold on;
% plot(trace(:,2),'b-o');
% legend('各子代种群最优解','各子代种群平均值');
% xlabel('迭代次数');ylabel('目标函数优化过程');
% title('一元函数优化过程');

  

[1]:雷英杰,张善文,李续武,等. MATLAB遗传算法工具箱及应用. 西安:西安电子科技大学出版社,2005.

遗传算法MATLAB实现(2):一元函数优化举例的更多相关文章

  1. 遗传算法MATLAB实现(3):多元函数优化举例

    多峰的Shubert为: 求f(x,y)在[-10,10]x[-10,10]上的最大值. MATLAB代码: fun_mutv函数为: function my=fun_mutv(x,y) t1=zer ...

  2. 遗传算法MATLAB工具包简介

    下面介绍的函数都是Sheriffed大学遗传算法工具包内的常用函数 复制矩阵 B=rep(A,RepN) 1 A表示要被复制的矩阵,RepN包含每个方向的复制次数,RepN(1)代表纵向复制次数,Re ...

  3. 遗传算法matlab实现

    我是小鸭酱,博客地址为:http://www.cnblogs.com/xiaoyajiang 以下运用MATLAB实现遗传算法:   clc clear   %参数 a = 0 ; b = 4 ; e ...

  4. [matlab] 6.粒子群优化算法

    粒子群优化(PSO, particle swarm optimization)算法是计算智能领域,除了蚁群算法,鱼群算法之外的一种群体智能的优化算法,该算法最早由Kennedy和Eberhart在19 ...

  5. C# 代码性能优化举例

    普通人如果说什么事情慢,指的是 5 分钟,10 分钟,或者 1 个小时.2 个小时.而程序员要说什么事情慢,他们指的是 2 纳秒. 每个纳秒对程序员来说都是非常宝贵的,所以,要对代码进行优化,优化,再 ...

  6. if-else的优化举例

    共有部分: String bookFrom = null; String sheetFrom = null; String bookTo = null; String sheetTo = null; ...

  7. 遗传算法MATLAB实现(1):工具箱下载及安装

    到官网下载谢菲尔德大学的GA工具箱:http://codem.group.shef.ac.uk/index.php/ga-toolbox(其实蛮不懂为什么有人把这个传到某个网上还需要积分才能下载,人家 ...

  8. 遗传算法Matlab源程序

    参考自: http://blog.163.com/zhaoshuyu_thomas/blog/static/461929072009103034816716/ 大家内容上可以参考上述文章,但其代码有很 ...

  9. 遗传算法(Genetic Algorithm, GA)及MATLAB实现

    遗传算法概述: • 遗传算法(Genetic Algorithm,GA)是一种进化算法,其基本原理是仿效生物界中的“物竞天择.适者生存”的演化法则,它最初由美国Michigan大学的J. Hollan ...

随机推荐

  1. Spring注解驱动开发(四)-----aop、声明式事务

    AOP 概念 指在程序运行期间动态的将某段代码切入到指定方法指定位置进行运行的编程方式:-----基于动态代理 一个aop示例 1.导入aop模块:Spring AOP:(spring-aspects ...

  2. R语言之数据处理

    R语言之数据处理 一.向量处理 1.选择和显示向量 data[1] data[3] data[1:3] data[-1]:除第一项以外的所有项 data[c(1,3,4,6)] data[data&g ...

  3. jeecms v9导入myeclipse 2015 ehcache.xml报错问题

    1.找不到ehcache.xml文件问题 cache-context.xml <property name="configLocation"> <value> ...

  4. netbeans 8.2 系统找不到指定的文件。

    系统找不到指定的文件.Using CATALINA_BASE: "C:\Users\wishr\AppData\Roaming\NetBeans\8.2\apache-tomcat-8.0. ...

  5. valueStack(值栈)

    值栈 值栈(ValueStack)就是 OGNL 表达式存取数据的地方.在一个值栈中,封装了一次请求所需要的所有数据. 在使用 Struts2 的项目中,Struts2 会为每个请求创建一个新的值栈, ...

  6. 手把手教你把Python应用到实际开发 不再空谈语法

    手把手教你把Python应用到实际开发 不再空谈语法 整个课程都看完了,这个课程的分享可以往下看,下面有链接,之前做java开发也做了一些年头,也分享下自己看这个视频的感受,单论单个知识点课程本身没问 ...

  7. 深入学习:Windows下Git新手教程(下)

    版权声明:本文为博主原创文章,未经博主同意不得转载. https://blog.csdn.net/huangyabin001/article/details/35840591 声明:因为本人对于Git ...

  8. Laravel 日志权限问题

    laravel发现日志写入不了, 因为此日志是定时任务生成的, 定时任务的执行用户时root 解决方法: 方法1.修改执行定时任务的用户, 不过www用户时无法登陆的, 可能有点麻烦 方法2.修改la ...

  9. Javascript-简单的计时钟表

    <!DOCTYPE html> <html lang="en" xmlns="http://www.w3.org/1999/xhtml"> ...

  10. [转] Blob对象

    Blob是计算机界通用术语之一,全称写作:BLOB(binary large object),表示二进制大对象.MySql/Oracle数据库中,就有一种Blob类型,专门存放二进制数据.在javas ...