MATLAB遗传算法工具箱简介

piday123

5 n! v* ~9 S! M' Q$ fMATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB软件是一个功能很强大的工具，其中可以使用GA工具箱进行遗传算法的数据优化，下面给出具体的操作简单的实例。

①利用GUI打开并使用MATLAB遗传算法工具箱。
打开MATLAB选择应用程序，点击Optimization。


1 m# Q/ Z5 Y* i
打开后显示优化界面第一个solver选择ga
; G7 c% l) N- I2 M7 m  {

# t1 ^& c) ^, B
! m" }! T  e  M6 {, X; ~函数（注意是单目标只能有一个函数输出值）的MATLAB代码填入Fitness Funtion，输入变量值为2，其它设置options可以使用自定义，也可以使用默认，这里我的种群设置为200。设置完后点击start

8 F! G( z8 V; g5 [3 @

- D1 e* L' w$ e! P' q7 d1 D我优化的函数代码：

• function f=GA_demo(x)
• f1=4*x(1).^3+4*x(1)*x(2)+2*x(2).^2-42*x(1)-14;
• f2=4*x(2).^3+4*x(1)*x(2)+2*x(1).^2-26*x(1)-22;
• f=f1.^2+f2.^2;
  

+ {* z$ ^5 s9 U' A常用的options
* k! s2 {% y2 m选项        功能        值
  A$ q, y2 Q; Z1 w1 M0 JCrossoveRFraction        交叉的概率        0-1的小数
9 I+ n# {. P' }6 U* nEliteCount        用于精英原则，
- k0 |* S( x  O" d2 h' L3 ?每次遗传中一定会活下来的个体的个数        正整数
FitnessLimit        适应度的范围        标量/ {-Inf}
$ A3 i# F- y# C9 q; I/ i6 sGenerations        迭代遗传的次数        正整数
1 l  Z+ p$ X; yInitialPopulation        初始种群        可以用上一次遗传生成的种群
! g: P& S; G( d* {+ }+ i作为下一次GA的初始种群
+ |  K6 C- S4 p9 T' b  {- l+ g
当然MATLAB官方说这个优化工具箱将在未来的版本中去除，请留意。

& q3 M5 j. @: t3 q) [! i

; Z& ?, B6 F+ V& U# h+ K②利用命令运行GA工具箱
- [; Y+ ~9 w4 a种群大小200
精英解的数量20
交叉率0.75
/ V1 W# o5 W0 r9 u( I0 d6 \迭代次数1000
+ v1 h5 `  h4 N: A停止代数（stall generations）与适应度函数值偏差（function tolerance）。若在Stallgenerations设定的代数内，适应度函数值的加权平均变化值小于function tolerance，算法停止
) C! ~! p$ p  M8 K) s
优化的函数是上面GUI中给出的函数
+ I0 j0 L6 m# J5 Q9 J4 C
/ D# z% S# J; g  R

• clear
• clc
• fitnessfcn = @GA_demo;
• % 适应度函数句柄
• nvars = 2;% 个体的变量数目
• options = gaoptimset('PopulationSize',200,'EliteCount',20,'CrossoverFraction',0.75,'Generations',1000,'StallGenLimit',500,'TolFun',1e-100,'PlotFcns',{@gaplotbestf,@gaplotbestindiv}); %参数设置
• [x_best,fval] =ga(fitnessfcn,nvars,[],[],[],[],[],[],[],options);   % 调用ga函数
  

4 ]  p- i0 j' F
& Y+ A# C. f* u" ^运行时的结果：

NingW

MATLAB遗传算法工具箱简介