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,RepN(2)代表横向复制次数
比如
A=[1,2;3,4];
B=rep(A,[1,2])
B=[1,2,1,23,4,3,4]
- 1
- 2
- 3
- 4
如果是
B=rep(A,[2,1])
B=[1,23,41,23,4]
- 1
- 2
- 3
- 4
- 5
=-= 教材里介绍了这个,但之后没有用到哎……
- 创造种群
Chrom=crtbp(n,b)
- 1
n代表染色体个数,b代表二进制数的位数(可以理解为基因数)
- 二进制转十进制数
bs2rv(Chrom,Field)
- 1
Field是个矩阵,有如下参数
Field=[b;lowerbound;upperbound;code;scale;lbin;ubin]
- 1
各个参数的意义如下:
b代表二进制数串的长度,后面那俩表示原来十进制数的上下界
code代表编码方式,1表示二进制编码
scale表示每个串的刻度,0代表算数刻度,1代表对数刻度
lbin和ubin表示参数的取值是否包括边界,0表示不包括,1表示包括
bs2rv(Chrom,Field)返回的是个列向量,其中每行就是原来Chrom里每行对应的十进制数
- 计算适应度值
FitnV=ranking(ObjV)
- 1
ObjV是定义好的目标函数
老实讲,我没搞懂它这个ranking的返回值是什么意思。但就把它当做可以计算出各个染色体的适应值,并表明他们被传递到下一代的概率为多少的函数吧
就是执行算出我笔记中那张表的函数?
这里需要强调一点。ranking默认的是求最小,如果你要求的问题是最大,那就写成ranking(-ObjV)
+ 根据适应度值通过选择来得到新种群
SelCh=select(SEL_F,Chrom,FitnV,GGAP)
- 1
SEL_FeL_是个字符串,表明调用的选择函数,可以用rws(轮盘选择)或者sus(随机遍历采样)
GGAP代表这一代传到下一代的概率,就是新种群中的个体数为现在的几分之几
=-= 既然咱看的教程是拿rws讲的,那就用rws来搞
- 令新种群进行交配
SelCh = recombin(REC_F,SelCh,px)
- 1
REC_F是个字符串,是指定交配的方式,可以用recdis或xovsp函数
px代表交配概率,可能就是教程里指的那个概率吧
recdis代表离散重组,xovsp是单点交叉
感觉xovsp跟之前原理中的交配方式有点像?
- 令新种群进行变异
SelCh = mut(SelCh,pm)
- 1
pm代表变异概率,如果直接用Selch = mut(SelCh),它会被设为缺省值0.7
- 子代插入父代
呃…………这个,可以理解为是父代便当了一部分,子代出生了一部分,这个操作代表的就是在子代出生父代便当后的新子群,它是把子代中的一部分和父代中的一部分混合了。混合完后得到的种群染色体总数是不变的
[Chrom,ObjVCh] = reins(Chrom, SelCh,SUBPOP,InsOpt,ObjVCh,ObjVSel)
- 1
里面各个参数意义如下:
Chrom是父代,SelCh是子代
SUBPOP一般作为1,指明Chrom和SelCh中子种群的个数
InsOpt是一个最多有俩参数的向量,Insopt(1)如果是0,代表子代代替父代使用均匀随机选择,Insopts(1)如果是1,代表子代代替父代是基于适应度选择,子代代替父代中适应度最小的个体
Insopt(2)表示每个子种群中重插入的子代个体在整个子种群中个体的比率,如果没写,默认为1
ObjVCh代表Chrom里个体的目标值,ObjVSel代表SelCh中的目标值,如果子代的数量大于重插入种群中的子代数量,则ObjVSel是必需的,这种情况子代将按它们的适应度大小选择插入
值得注意的是,如果是多变量的最优化问题,那在初始化种群时虽然是把俩变量对应的基因拼在一起初始化的,但在转化为二进制,计算适应度函数时,都是分开来算的。看下面两段代码
%求sin(10*pi*X)/X的最小值 lb=1;ub=2; %函数自变量范围【1,2】 ezplot('sin(10*pi*X)/X',[lb,ub]); %画出函数曲线 xlabel('自变量/X') ylabel('函数值/Y') %% 定义遗传算法参数 NIND=40; %个体数目 MAXGEN=20; %最大遗传代数 PRECI=20; %变量的二进制位数 GGAP=0.95; %代沟 px=0.7; %交叉概率 pm=0.01; %变异概率 trace=zeros(2,MAXGEN); %寻优结果的初始值 FieldD=[PRECI;lb;ub;1;0;1;1]; %区域描述器 Chrom=crtbp(NIND,PRECI); %初始种群 %% 优化 gen=0; %代计数器 X=bs2rv(Chrom,FieldD); %计算初始种群的十进制转换 ObjV=sin(10*pi*X)./X; %计算目标函数值 while gen<MAXGEN FitnV=ranking(ObjV); %分配适应度值 SelCh=select('sus',Chrom,FitnV,GGAP); %选择 SelCh=recombin('xovsp',SelCh,px); %重组 SelCh=mut(SelCh,pm); %变异 X=bs2rv(SelCh,FieldD); %子代个体的十进制转换 ObjVSel=sin(10*pi*X)./X; %计算子代的目标函数值 [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代,得到新种群 X=bs2rv(Chrom,FieldD); gen=gen+1; %代计数器增加 [Y,I]=min(ObjV); %Y是ObjV里最小的值,I是表示它是第几个,这样就可以找出使Y最小的X trace(1,gen)=X(I); %记下每代最优值对应的X trace(2,gen)=Y; %记下每代目标函数的最优值 end
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
对于下面这段代码,需要强调这么一点:
它这个工具包是默认求ObjV的最小值的,如果你要求最大值,那么在ranking时就应该按照-ObjV来分配适应度值,筛选染色体
这样筛选出来的染色体是能让ObjV取最大值的染色体,所以在获取最优解参数时,是用 [Y,I]=max(ObjV); 而不是 [Y,I]=min(ObjV);
%求y*sin(2*pi*x)+x*cos(2*pi*y)的最大值lbx=-2;ubx=2; %函数自变量x范围【-2,2】
lby=-2;uby=2; %函数自变量y范围【-2,2】 ezmesh('y*sin(2*pi*x)+x*cos(2*pi*y)',[lbx,ubx,lby,uby],50); %画出函数曲线 hold on; %% 定义遗传算法参数 NIND=40; %个体数目 MAXGEN=50; %最大遗传代数 PRECI=20; %变量的二进制位数 GGAP=0.95; %代沟 px=0.7; %交叉概率 pm=0.01; %变异概率 trace=zeros(3,MAXGEN); %寻优结果的初始值 FieldD=[PRECI PRECI;lbx lby;ubx uby;1 1;0 0;1 1;1 1]; %区域描述器 Chrom=crtbp(NIND,PRECI*2); %初始种群 %% 优化 gen=0; %代计数器 XY=bs2rv(Chrom,FieldD); %计算初始种群的十进制转换 X=XY(:,1);Y=XY(:,2); ObjV=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %计算目标函数值 while gen<MAXGEN FitnV=ranking(-ObjV); %分配适应度值 SelCh=select('sus',Chrom,FitnV,GGAP); %选择 SelCh=recombin('xovsp',SelCh,px); %重组 SelCh=mut(SelCh,pm); %变异 XY=bs2rv(SelCh,FieldD); %子代个体的十进制转换 X=XY(:,1);Y=XY(:,2); ObjVSel=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %计算子代的目标函数值 [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代,得到新种群 XY=bs2rv(Chrom,FieldD); gen=gen+1; %代计数器增加 %获取每代的最优解及其序号,Y为最优解,I为个体的序号 [Y,I]=max(ObjV); trace(1:2,gen)=XY(I,:); %记下每代的最优值 trace(3,gen)=Y; %记下每代的最优值 end
代码运行过程中,可能会出现未定义函数“rep”“crtbp”问题,其原因是没有安装MATLAB遗传工具箱,具体下载:
详见http://www.ilovematlab.cn/thread-28448-1-1.html
添加路径方法
1. 以gatbx工具箱为例,先将gatbx文件夹复制到MATLAB安装目录下的toolbox下,然后打开MATLAB,点击菜单中file ->set path,选ADD FOLDER,选择你刚才复制的那个文件夹就OK
2 .直接把文件夹添加在运行目录里面。
转载于:https://www.cnblogs.com/hyb221512/p/8967979.html
遗传算法MATLAB工具包简介相关推荐
- l1正则化matlab工具箱,正则化matlab工具包
[实例简介] 经典正则化Matlab工具包,包括tikhonov等相关函数 [实例截图] [核心代码] 9f0999c0-31db-4c4f-bee5-db32cbef7cf0 ├── app_hh. ...
- Windows Phone 8初学者开发—第17部分:Coding4Fun工具包简介
第17部分:Coding4Fun工具包简介 原文地址: http://channel9.msdn.com/Series/Windows-Phone-8-Development-for-Absolut ...
- MATLAB程序详细解析,遗传算法——matlab代码解析
遗传算法--matlab代码解析 本文为学习B站老哥数学建模课程之后的一点笔记,图片源自web,代码源自老哥程序包,侵权删. 详细的遗传算法原理不再赘述,百度即可找到. 算法定义 遗传算法(GA)是模 ...
- 哈尔滨理工大学matlab,微软用户-Matlab软件简介哈尔滨理工大学数学建模组ppt课件...
<微软用户-Matlab软件简介哈尔滨理工大学数学建模组ppt课件>由会员分享,可在线阅读,更多相关<微软用户-Matlab软件简介哈尔滨理工大学数学建模组ppt课件(41页珍藏版) ...
- 《对冲基金建模与分析基于MATLAB》简介及PDF下载
转 <对冲基金建模与分析--基于MATLAB>简介及PDF下载 内容简介 本书是关于用MATLAB对对冲基金进行建模和分析的入门读物.在对对冲基金的基本概念.分类.相关工具和指标系统介绍的 ...
- java开发工具包 jdk_什么是JDK? Java开发工具包简介
java开发工具包 jdk Java开发工具包(JDK)与JVM(Java虚拟机)和JRE(Java运行时环境)一起是Java编程中使用的三个核心技术软件包之一. 重要的是要区分这三种技术,并了解它们 ...
- MATLAB R2018a简介
MATLAB R2018a简介 MathWorks及其产品概述 MATLAB是矩阵实验室(Matrix Laboratory)的简称,是一种用于算法开发.数据可视化.数据分析及数值计算的高级技术计算语 ...
- 辛苦整理SBM模型Matlab工具包资料
数据集名称:辛苦整理SBM模型Matlab工具包资料 数据截图: 下载链接:SBM模型Matlab工具包.rar-数据集文档类资源-CSDN下载
- 非线性整数规划的遗传算法Matlab程序
非线性整数规划的遗传算法Matlab程序 通常,非线性整数规划是一个具有指数复杂度的NP问题,如果约束较为复杂,Matlab优化工具箱和一些优化软件比如lingo等,常常无法应用,即使能应用也不能给出 ...
最新文章
- 索尼将成立200亿日元基金 投资机器人、人工智能等新兴企业
- 如何用SendMessage模拟某一按钮的点击事件
- C#报错:创建调试信息文件 ……obj\Debug\model.pdb: 拒绝访问
- live555 源码分析: PLAY 的处理
- CF1270H Number of Components(线段树)
- 14工厂方法模式(Factory Method)
- 容器编排技术 -- Kubernetes Network Policy
- ElasticSearch中的集群、节点、索引、文档、类型是什么?
- STM32工作笔记0073---UCOSIII任务管理(上)
- string字符串的查找替换、模式匹配
- 手把手教你Android手机与BLE终端通信--连接,发送和接收数据
- 402.移掉K位数字
- 基于大数据的舆情分析系统架构(架构篇)
- 2022 华东师范大学 数据学院复试机考
- python制作模型排放清单_机动车尾气污染物排放模型研究综述.pdf
- r语言library什么意思_汽车自动挡上的P、R、N、D、S、L和M,都表示什么意思?
- audio插入背景音乐_vue.js怎么添加背景音乐
- 2021最新Java后端面经合集 | 阿里腾讯百度字节
- 按下手机home键,选择自己的launcher
- Mysql 带条件计数
热门文章
- android模拟点击webview,的Android的WebView点击模拟
- pandas用均值填充nan_如何填补Pandas中的缺失值(机器学习入门篇)
- python零基础教学plc_利用Python构建电脑和PLC通信的方法
- 二等水准数据平差_自编单次二等水准平差计算表
- java数组包含某个值_如何检查Java数组是否包含值?
- 什么是SQL Server DATEPART()方法?
- Python NetworkX – Python图形库
- nsarray数组越界_NSArray,NSMutableArray –目标C数组
- 标准IO库--unix环境高级编程读书笔记
- 01.mac下安装配置maven