MATLAB遗传算法工具箱简介

piday123

MATLAB 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。

  D7 ~9 e, I2 F% s: Q# Q①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。
" t& D( I5 k1 j5 l
9 D: Y  H  I2 i

. v7 i) S+ K; N/ ]# O# `% j打开后显示优化界面第一个solver选择ga
. g* \- Y; Q, V, N( H! e: J5 f5 z
6 H5 a) d) S/ k& r
  t4 x) W1 \: t& \6 H
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 T* G' h2 h% _7 V我优化的函数代码：

2 }/ J7 E; p% |* W/ ]% i

• 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;
  

7 h7 E  b2 Q$ ~
常用的options
! D4 _! K. T# c' o0 n选项        功能        值
CrossoveRFraction        交叉的概率        0-1的小数
- T' o' }5 n/ p& D, ~EliteCount        用于精英原则，
& `% O+ W  H9 p8 B7 ^& s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}
5 z; n. j! i# X  PGenerations        迭代遗传的次数        正整数
InitialPopulation        初始种群        可以用上一次遗传生成的种群
, m& `, E0 N( r7 N作为下一次GA的初始种群

2 o  m9 M$ j: [3 M8 h3 w' q- \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。

+ x- S2 q7 }( z1 }9 V; q

②利用命令运行GA工具箱
6 H! x  Q' r  y, M. ], X2 |: i种群大小200
精英解的数量20
交叉率0.75
迭代次数1000
2 _" t( c* I, q: w. `" E" V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

优化的函数是上面GUI中给出的函数
$ D! T& I3 E4 {  K) `
* h( v/ G7 @5 e  ^* @7 g0 s

• 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
  5 x( ]; I7 ~6 R' o& n  b1 e

4 O: D/ b3 K/ P9 c9 d
) ]5 p" _) H$ L0 x" }9 W运行时的结果：
- R- ^$ S( N. a. x
& w5 w( [# a* v2 S& ^; C
0 v/ L, k! |8 N/ @- [

NingW

MATLAB遗传算法工具箱简介