MATLAB遗传算法工具箱简介

piday123

, S7 e; c: W/ \5 \( P
! k0 x, @# @4 `* N2 c" O( o. Q' `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。

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。
' ^9 E  |6 f" I1 X; \
" V& i6 R. u% p- l0 z7 f
7 Y2 Z6 l! I. N  y
- [) b  ]0 ?3 T$ ?打开后显示优化界面第一个solver选择ga
. M& {9 B. A$ c( a9 U' u2 D

- \( @# E) [, M
* R3 m2 K' @% p! e+ C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



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;
  

; P/ `; K  ]5 A9 b3 i: H
' u! K# o3 Z5 T: F) f常用的options
选项        功能        值
CrossoveRFraction        交叉的概率        0-1的小数
7 t* M1 p0 a2 ~' K6 s! G2 |" _EliteCount        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
' {& ]8 p; n, y5 q5 t# _( {FitnessLimit        适应度的范围        标量/ {-Inf}
5 u2 t( T& H5 V' ]$ X' cGenerations        迭代遗传的次数        正整数
3 l, Q. {: u7 t2 v. P' EInitialPopulation        初始种群        可以用上一次遗传生成的种群
作为下一次GA的初始种群

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。
+ k5 k5 B0 y  g$ a; _- s


9 K% g+ J0 y5 [6 i②利用命令运行GA工具箱
9 j+ n1 a* r2 T) q% v种群大小200
精英解的数量20
) q9 f+ _) Q" T2 Q) e# b9 I" N3 R/ [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
1 m$ g! _" S1 v8 Y
优化的函数是上面GUI中给出的函数

, E) U3 Y6 Y1 Q; F; P

• 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
  

& j; O8 |! N) ]* ?' A2 {
. I, c3 T% ]& @* m运行时的结果：

2 F$ p1 n: a: Q) \9 W

NingW

MATLAB遗传算法工具箱简介