- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
MATLAB遗传算法作业
MATLAB遗传算法
一:遗传算法简介:
遗传 \t /_blank 算法(Genetic? \t /_blank Algorithm)是一类借鉴生物界的进化规律( \t /_blank 适者生存, \t /_blank 优胜劣汰遗传机制)演化而来的 \t /_blank 随机化搜索方法。它是由 \t /_blank 美国的J.Holland教授1975年首先提出,其主要特点是直接对结构对象进行操作,不存在求导和 \t /_blank 函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力;采用 \t /_blank 概率化的寻优方法,能自动获取和 \t /_blank 指导优化的搜索 \t /_blank 空间,自适应地调整搜索方向,不需要确定的规则。遗传算法的这些性质,已被人们广泛地应用于 \t /_blank 组合优化、机器学习、信号处理、 \t /_blank 自适应控制和人工生命等 \t /_blank 领域。它是现代有关 \t /_blank 智能计算中的 \t /_blank 关键技术。
二:遗传算法的基本步骤
a)初始化:设置进化代数计数器t=0,设置最大进化代数T,随机生成M个个体作为初始群体P(0)。
b)个体评价:计算群体P(t)中各个个体的 \t /_blank 适应度。
c) \t /_blank 选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个
decodebinary.m
%产生 [2^n 2^(n-1) ... 1] 的行向量,然后求和,将二进制转化为十进制
function pop2=decodebinary(pop)
[px,py]=size(pop) %Pop的行和列数
for i=1:px
pop2(i)=0
for j=1:py
pop2(i)=pop2(i)+2.^(py-j)*pop(i,j)
end
end
2.2 将二进制编码转化为十进制数(2)
Decodechrom.m
%函数的功能是将染色体(或二进制编码)转换为十进制,参数spoint表示待解码的二进制串的起始位置
function pop2=decodechrom(pop,spoint,length)
pop1=pop(:,spoint:spoint+length-1)%pop1取pop的第spoint列到spoint+length-1列为止
pop2=decodebinary(pop1)
2.2.3 计算目标函数值 % calobjvalue.m函数的功能是实现目标函数的计算
function [objvalue] = calobjvalue(pop)
temp1=decodechrom(pop,1,10)%将pop每行转换成十进制
x=temp1*10/1023%将二值域中的数转化为变量域的数
objvalue=10*sin(5*x)+7*cos(4*x)%变量域是从1到10
m=max(objvalue)
b=0
for i=1:100
if objvalue(i)==m
b=b+1
end
end
figure
fplot(10*sin(5*x)+7*cos(4*x),[0 10])
hold on
plot(x,objvalue,or)
xlabel(sprintf(%2d,b))
grid on
3 计算个体的适应值
calfitvalue.m
%计算个体的适应值
function fitvalue=calfitvalue(objvalue)
[px,py]=size(objvalue)
for i=1:py
if objvalue(i)0;
temp=objvalue(i)
else
temp=0.0
end
fitvalue(i)=temp
End
4 选择复制
selection.m % 根据方程 pi=fi/∑fi=fi/fsum ,选择步骤:
% 1) 在第 t 代,计算 fsum 和 pi
% 2) 产生 {0,1} 的随机数 rand( .),求 s=rand( .)*fsum
% 3) 求 ∑fi≥s 中最小的 k ,则第 k 个个体被选中
%最后再产生一个0到1之间的随机数,依据该随机数出现在上述哪一个概率区域内来确定各个个体被选中的
文档评论(0)