MATLAB_智能算法30個(gè)案例分析

1、30個(gè)案例MATLAB智能算法第分析1章1、案例背景遺傳算法(GeneticAlgorithm,GA)是一種進(jìn)化算法，其基本原理是仿效生物界中的“物競天擇、適者生存”的演化法則。遺傳算法的做法是把問題參數(shù)編碼為染色體，再利用迭代的方式進(jìn)行選擇、交叉以及變異等運(yùn)算來交換種群中染色體的信息，最終生成符合優(yōu)化目標(biāo)的染色體。在遺傳算法中，染色體對應(yīng)的是數(shù)據(jù)或數(shù)組，通常是由一維的串結(jié)構(gòu)數(shù)據(jù)來表示，串上各個(gè)位置對應(yīng)基因的取值?；蚪M成的串就是染色體，或者叫基因型個(gè)體(Individuals)。一定數(shù)量的個(gè)體組成了群體(Population)。群體中個(gè)體的數(shù)目稱為群體大小(PopulationSize)，也

2、叫群體規(guī)模。而各個(gè)個(gè)體對環(huán)境的適應(yīng)程度叫做適應(yīng)度(Fitness)。2、案例目錄：l.i理論基礎(chǔ)l.i.i遺傳算法概述1編碼2初始群體的生成3適應(yīng)度評估4選擇5交叉6變異1.1.2設(shè)菲爾德遺傳算法工具箱1工具箱簡介2工具箱添加1.2案例背景1.2.1問題描述1簡單一元函數(shù)優(yōu)化2多元函數(shù)優(yōu)化1.2.2解決思路及步驟1.3MATLAB程序?qū)崿F(xiàn)1.3.1工具箱結(jié)構(gòu)1.3.2遺傳算法中常用函數(shù)1. 創(chuàng)建種群函數(shù)一crtbp2. 適應(yīng)度計(jì)算函數(shù)一ranking3. 選擇函數(shù)一select4. 交叉算子函數(shù)一recombin5. 變異算子函數(shù)一mut6. 選擇函數(shù)一reins7. 實(shí)用函數(shù)一bs2rv8.

3、 實(shí)用函數(shù)一rep1.3.3遺傳算法工具箱應(yīng)用舉例1簡單一元函數(shù)優(yōu)化2多元函數(shù)優(yōu)化1.4延伸閱讀1.5參考文獻(xiàn)3、主程序：1簡單一元函數(shù)優(yōu)化：clcclearallcloseall%畫出函數(shù)圖figure(1);holdon;lb=1;ub=2;%函數(shù)自變量范圍【1,2】ezplot('sin(10*pi*X)/X',lb,ub);%畫出函數(shù)曲線xlabel('自變量/X')ylabel('函數(shù)值/Y')%定義遺傳算法參數(shù)NIND=40;%個(gè)體數(shù)目MAXGEN=20;%最大遺傳代數(shù)PRECI=20;%變量的二進(jìn)制位數(shù)GGAP=0.95;%代溝px

4、=0.7;%交叉概率pm=0.01;%變異概率trace=zeros(2,MAXGEN);%尋優(yōu)結(jié)果的初始值FieldD=PRECI;lb;ub;1;0;1;1;%區(qū)域描述器Chrom=crtbp(NIND,PRECI);%初始種群%優(yōu)化gen=0;%代計(jì)數(shù)器X=bs2rv(Chrom,FieldD);%計(jì)算初始種群的十進(jìn)制轉(zhuǎn)換ObjV=sin(10*pi*X)./X;%計(jì)算目標(biāo)函數(shù)值whilegen<MAXGENFitnV=ranking(ObjV);%分配適應(yīng)度值SelCh=select('sus',Chrom,FitnV,GGAP);%選擇SelCh=recombi

5、n('xovsp',SelCh,px);%重組SelCh=mut(SelCh,pm);%變異X=bs2rv(SelCh,FieldD);%子代個(gè)體的十進(jìn)制轉(zhuǎn)換ObjVSel=sin(10*pi*X)./X;%計(jì)算子代的目標(biāo)函數(shù)值Chrom,ObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);%重插入子代到父代，得到新種群X=bs2rv(Chrom,FieldD);gen=gen+1;%代計(jì)數(shù)器增加%獲取每代的最優(yōu)解及其序號，Y為最優(yōu)解,1為個(gè)體的序號Y,l=min(ObjV);trace(1,gen)=X(l);%記下每代的最優(yōu)值trace(2,g

6、en)=Y;%記下每代的最優(yōu)值endplot(trace(1,:),trace(2,:),'bo');%畫出每代的最優(yōu)點(diǎn)gridon;plot(X,ObjV,'b*');%畫出最后一代的種群holdoff%畫進(jìn)化圖figure(2);plot(1:MAXGEN,trace(2,:);gridonxlabel('遺傳代數(shù)')ylabel('解的變化')title('進(jìn)化過程')bestY=trace(2,end);bestX=trace(1,end);fprintf('最優(yōu)解:nX=',num2str

7、(bestX),'nY=',num2str(bestY),'n')2.多元函數(shù)優(yōu)化clcclearallcloseall%畫出函數(shù)圖figure(1);lbx=-2;ubx=2;%函數(shù)自變量x范圍【-2,2】lby=-2;uby=2;%函數(shù)自變量y范圍【-2,2】ezmesh('y*sin(2*pi*x)+x*cos(2*pi*y)',lbx,ubx,lby,uby,50);%畫出函數(shù)曲線holdon;%定義遺傳算法參數(shù)NIND=40;%個(gè)體數(shù)目MAXGEN=50;%最大遺傳代數(shù)PRECI=20;%變量的二進(jìn)制位數(shù)GGAP=0.95;%代溝px=0.7;%交叉概率pm=0.01;%變異概率trace=zeros(3,MAXGEN);%尋優(yōu)結(jié)果的初始值FieldD=PRECIPRECI;lbxlby;ubxuby;11;0