MATLAB遗传算法工具箱简介

piday123

: \. e9 t# y! ]) U. R: ]# g
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。

# ~& G+ H2 C7 M4 F①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。



" w+ J1 d+ j* u5 Q* {4 E' T打开后显示优化界面第一个solver选择ga


9 s8 T( E- ?# O2 L( }$ b, ]# }
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

6 I& ^0 m) u& }# @' }
; o4 K5 q( P% t' H" _/ P/ H
1 k. D& ^8 w9 V* a9 X1 d. ]; h我优化的函数代码：
' H% f* M/ X' g% m! \( M& U( T

• 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;
    V# u0 ?- {: T  M

5 y+ u0 ^) }0 s# m) c8 H
常用的options
8 g- |7 X; }" g8 k2 L7 r) p选项        功能        值
' ^9 m. ^$ v6 k6 vCrossoveRFraction        交叉的概率        0-1的小数
$ ]' e: ^; K( t) g5 ?+ X3 |& o! r$ ZEliteCount        用于精英原则，
每次遗传中一定会活下来的个体的个数        正整数
1 |) s: a4 }, R: X4 F/ TFitnessLimit        适应度的范围        标量/ {-Inf}
Generations        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
) x9 K8 M8 s  r作为下一次GA的初始种群
% K6 p7 Q3 ^" O  d$ v2 i( u# [
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。

7 p% F* V+ ~7 @+ [/ h3 K

②利用命令运行GA工具箱
2 V2 _1 F9 V* o, R* \8 b2 @种群大小200
4 P3 k6 R7 K5 ]' o, T, w精英解的数量20
交叉率0.75
迭代次数1000
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
  m9 _6 e" a2 j8 M8 c, T6 E+ i* M0 W

• 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
  " `0 ^6 K/ N' b: S+ J# }! d; C# p

! |- K/ S$ F& b2 i
运行时的结果：

6 ]: l, r9 s! b0 T9 T
% U+ }2 }- q1 u* j) f

NingW

MATLAB遗传算法工具箱简介