MATLAB遗传算法工具箱简介

piday123

, g# O6 z. [- |: [
+ q8 x# g/ b9 L+ YMATLAB 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。
) X: c) m. M/ m. t4 ?9 o
# H! A. w8 F- ]. w- W①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+ y& T- z/ k5 L

* f4 \3 W8 X# S+ ]$ a
9 [9 w+ g- V/ r打开后显示优化界面第一个solver选择ga

- r2 r& _" J& w0 S

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
7 s2 o" K0 S' D* J( F( h
! M  v% r1 @4 P& {9 ]

$ f  i3 L" E; P# u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;
  

& s, h9 F1 Q: Z6 x( F常用的options
选项        功能        值
CrossoveRFraction        交叉的概率        0-1的小数
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
5 S9 J) h) {0 Y9 Q4 GFitnessLimit        适应度的范围        标量/ {-Inf}
3 p& X0 z+ h% `8 T$ z, G7 sGenerations        迭代遗传的次数        正整数
8 Y* h# T, t9 RInitialPopulation        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。
- [( B% c2 w* j8 o5 B2 A& }

1 ^) S- |' _' G7 O$ w) G8 \
7 u& Z: p5 \8 W②利用命令运行GA工具箱
! r/ {- k$ `9 |9 T" e种群大小200
, Q, A7 h6 w  f/ }* N: o. x精英解的数量20
交叉率0.75
迭代次数1000
+ m* ?, A# ]3 O8 u7 G4 z9 \4 ]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

% j8 }% E# f1 E8 Y1 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
  , ]' k1 }( W" s  r6 i. g

; `+ d& p) D; ~5 A# A
运行时的结果：
; Z+ L: o' f8 Q6 B: I, K9 c. d7 l
6 b  w( C8 c! h. |9 x
. _! m% X6 n$ J2 @. q

NingW

MATLAB遗传算法工具箱简介