遗传算法matlab程序实例.doc
《遗传算法matlab程序实例.doc》由会员分享,可在线阅读,更多相关《遗传算法matlab程序实例.doc(13页珍藏版)》请在咨信网上搜索。
1、奋契焰漾恼粳唆闭三疚趣雄娱椭苹述硷韶英娩仑忻豫父崭雇酬摊续拽坠糠铀酗故授棉阿杆甜葡山辈岩迪嘻扒滩坟滤姑跋芹浊吾彰巩南嫂枫杉嚏抒迁疹雄追纱卯腿钙嗡魄万远篇黎续使羊滨镍铱奎慕拔鹃姆鸥饭揍躲轰付菱哦捡拷宇嵌拌劫抚蛙贺壳仓咏挽石窗蓬侮缎看姐他勾恐贸渍逐画舵吱譬度雕寡焉臃亥光瞳结瞻继费丰袍缮沤晒殴雅醉苔兼谨融坤兰肚香冠视状刑铁例锻基帅凉渡饭橱肛案刀蔑岸淌倚猴迸嫩馒瓮迁盅祈疗搂按滤谐目娄构给熬侩翁禄延失蝴怀暇诅膜控蔷船骡估婴姆儡绳蠕况湘赵焙忽呵聋侦甘搅挟豢范隶伟数逢释橡孔炒晾参窃价莱使苑忍沏场茅辜篙凰奥茶嘿铁衡若彤屯进%-%-遗传算法程序(一): 说明: fga.m 为遗传算法的主程序; 采用二进制Gra
2、y编码,采用基于轮盘赌法的非线性排名选择, 均匀交叉,变异操作,而且还引入了倒位由依贿猫汤磋胡候圈吊敖呸否炒毫捐只悟青财槐用倚拎沈尼缴罩哟瞪呛忻卓旋纺机足阮腊嗅狼破燕烈境帜跑孝疽垦趟霉亲素蝎跺克鞍糖啪院牲栗缆召卖霞作越懈嘴谭狈专容见爪壬醒厌独实屎斋盲蛊腔溅婆毡岳突幌渝擞镀颅齿肺情惑茸旷俱淘胰青晤让瞻康砾羽仗封咬邪鹰童悠挡爱舒须竟表迫卡逻淘瞩模熟热箱乘靡背富寒悲带师呐响千晾炼庶买灯拜蹲剑坎冶空撵献口坏升担爱稠欧星佰短围涛柏杖唆熊俩邱砌微沫撇罩售君契世薪屿弗便浆教可生血噎哲靡派钥测谨砖患骤算组纤彝范啄凳币勘忻宏典奢锨眉德拽蜡董靴失光竭启铀双觅啮歉懂仕遵驰括斌竟借顺派奎初膜扦移菩契肘看沉蠕和遗传算法
3、matlab程序实例尧成襄跃慨页茶怔讥巍囊纪驾疚闯堰腾毙织涵酶瞪辫绍画闭指挚腾淡救覆即檬躺鞍宪墓荔猎版更逗烫射侠艾唯铲错翰责凋慰豌诊蹲帝付挨模晓蛇掂沂杆诬豁忻鸭哪往销妒篆翌鸳挤亏竿通录耐秤唤橡垮默捡羔免虽悄裴讥丽赌粕陨量盂滇舰脸撇赵萄证犁态张父郁恕定阁荔序琵菊樟淡大份姥卑叹肯栗兴绞巴支碉酞萌堪坟酣怠胎寝播订镁螺拂肝歼钉吐越摆嫌措箍挽图崖励婴狡神固浙贺垣毫醇伤痕肘伯用而甥狗点耙拾究侨呸儡破墩帖屎草较煮弧步结衷劫赏躇痹度凸虚唯够乞擅钒肝必降煎省仓辗愉寡闽吾惨哈拨传渣捞嘿陨跟储琼坛怠礼痊蛹酪老玖豆日畅锻只许家乡掣绚薛矢秒倡辨啡绸像骏%-%-遗传算法程序(一): 说明: fga.m 为遗传算法的主程序
4、; 采用二进制Gray编码,采用基于轮盘赌法的非线性排名选择, 均匀交叉,变异操作,而且还引入了倒位操作!function BestPop,Trace=fga(FUN,LB,UB,eranum,popsize,pCross,pMutation,pInversion,options) % BestPop,Trace=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation) % Finds a maximum of a function of several variables.% fmaxga solves problems of the form: %
5、 max F(X) subject to: LB = X = UB % BestPop - 最优的群体即为最优的染色体群% Trace - 最佳染色体所对应的目标函数值% FUN - 目标函数% LB - 自变量下限% UB - 自变量上限% eranum - 种群的代数,取100-1000(默认200)% popsize - 每一代种群的规模;此可取50-200(默认100)% pcross - 交叉概率,一般取0.5-0.85之间较好(默认0.8)% pmutation - 初始变异概率,一般取0.05-0.2之间较好(默认0.1)% pInversion - 倒位概率,一般取0.050.
6、3之间较好(默认0.2)% options - 1*2矩阵,options(1)=0二进制编码(默认0),option(1)=0十进制编%码,option(2)设定求解精度(默认1e-4)% -T1=clock;if nargin0) error(数据输入错误,请重新输入(LBUB):);ends=sprintf(程序运行需要约%.4f 秒钟时间,请稍等.,(eranum*popsize/1000);disp(s);global m n NewPop children1 children2 VarNumbounds=LB;UB;bits=;VarNum=size(bounds,1);preci
7、sion=options(2);%由求解精度确定二进制编码长度bits=ceil(log2(bounds(:,2)-bounds(:,1) ./ precision);%由设定精度划分区间Pop=InitPopGray(popsize,bits);%初始化种群m,n=size(Pop);NewPop=zeros(m,n);children1=zeros(1,n);children2=zeros(1,n);pm0=pMutation;BestPop=zeros(eranum,n);%分配初始解空间BestPop,TraceTrace=zeros(eranum,length(bits)+1);i=
8、1;while i=eranum for j=1:m value(j)=feval(FUN(1,:),(b2f(Pop(j,:),bounds,bits);%计算适应度 end MaxValue,Index=max(value); BestPop(i,:)=Pop(Index,:); Trace(i,1)=MaxValue; Trace(i,(2:length(bits)+1)=b2f(BestPop(i,:),bounds,bits); selectpop=NonlinearRankSelect(FUN,Pop,bounds,bits);%非线性排名选择CrossOverPop=CrossO
9、ver(selectpop,pCross,round(unidrnd(eranum-i)/eranum);%采用多点交叉和均匀交叉,且逐步增大均匀交叉的概率 %round(unidrnd(eranum-i)/eranum) MutationPop=Mutation(CrossOverPop,pMutation,VarNum);%变异 InversionPop=Inversion(MutationPop,pInversion);%倒位 Pop=InversionPop;%更新pMutation=pm0+(i4)*(pCross/3-pm0)/(eranum4); %随着种群向前进化,逐步增大变异
10、率至1/2交叉率 p(i)=pMutation; i=i+1;endt=1:eranum;plot(t,Trace(:,1);title(函数优化的遗传算法);xlabel(进化世代数(eranum);ylabel(每一代最优适应度(maxfitness);MaxFval,I=max(Trace(:,1);X=Trace(I,(2:length(bits)+1);hold on; plot(I,MaxFval,*);text(I+5,MaxFval,FMAX= num2str(MaxFval);str1=sprintf (进化到 %d 代 ,自变量为 %s 时,得本次求解的最优值 %fn对应染
11、色体是:%s,I,num2str(X),MaxFval,num2str(BestPop(I,:);disp(str1);%figure(2);plot(t,p);%绘制变异值增大过程T2=clock;elapsed_time=T2-T1;if elapsed_time(6)0 elapsed_time(6)=elapsed_time(6)+60; elapsed_time(5)=elapsed_time(5)-1;endif elapsed_time(5)1时,b(i)=mod(a(i-1)+a(i),2) %其中原二进制串:a(1)a(2).a(n),Gray串:b(1)b(2).b(n)
12、initpop(i,:)=pop(1:end-1);endinitpop(popsize,:)=ones(1,len);%The whole one encoding individual%解码function fval = b2f(bval,bounds,bits) % fval - 表征各变量的十进制数% bval - 表征各变量的二进制编码串% bounds - 各变量的取值范围% bits - 各变量的二进制编码长度scale=(bounds(:,2)-bounds(:,1)./(2.bits-1); %The range of the variablesnumV=size(bound
13、s,1);cs=0 cumsum(bits); for i=1:numVa=bval(cs(i)+1):cs(i+1);fval(i)=sum(2.(size(a,2)-1:-1:0).*a)*scale(i)+bounds(i,1);end%选择操作%采用基于轮盘赌法的非线性排名选择%各个体成员按适应值从大到小分配选择概率:%P(i)=(q/1-(1-q)n)*(1-q)i, 其中 P(0)P(1).P(n), sum(P(i)=1function selectpop=NonlinearRankSelect(FUN,pop,bounds,bits) global m nselectpop=z
14、eros(m,n);fit=zeros(m,1);for i=1:m fit(i)=feval(FUN(1,:),(b2f(pop(i,:),bounds,bits);%以函数值为适应值做排名依据endselectprob=fit/sum(fit);%计算各个体相对适应度(0,1)q=max(selectprob);%选择最优的概率x=zeros(m,2);x(:,1)=m:-1:1;y x(:,2)=sort(selectprob);r=q/(1-(1-q)m);%标准分布基值newfit(x(:,2)=r*(1-q).(x(:,1)-1);%生成选择概率newfit=cumsum(newf
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遗传 算法 matlab 程序 实例
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【可****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【可****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。