MATLAB遗传算法工具箱简介

piday123

9 r+ Q/ s: D% E+ T, M
' G7 {/ `0 p+ k6 xMATLAB 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。
$ Z6 y1 Z/ r: X8 _
, v; |  Q: j/ E" Y. {  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。
0 `/ h8 O( m; p( D$ `; {% W( q
/ ~+ r- p' v0 ~+ g

打开后显示优化界面第一个solver选择ga

  R) u  c* H+ K% _  x

5 h* h# _2 A( j7 ~0 w3 k5 V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

% ^& L" ]  ~5 N) y7 ]! N. [% o7 M! x
$ O% Q! l) Y4 N/ V7 n% _
+ K/ f7 N3 V4 n我优化的函数代码：
4 N9 }" L9 F' \/ F
4 T4 G) R; W4 |' G

• 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;
  1 O6 F  Z! ~3 i5 Q! |: Q9 Z+ a' P

+ v+ d" v  k3 L  M' J
常用的options
, v) ]  m' S3 P8 N! J" ]选项        功能        值
( x& C. |) ~5 hCrossoveRFraction        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
; b6 Z5 x9 I' U; q* sFitnessLimit        适应度的范围        标量/ {-Inf}
. j8 b. R! A+ F% d& CGenerations        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
% C  f6 R3 Q: K/ _1 |作为下一次GA的初始种群
8 \+ P; l0 ]+ M( i
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。
: i3 Q) O) q# D* I5 Q. q! t( a


②利用命令运行GA工具箱
种群大小200
精英解的数量20
交叉率0.75
/ _- `- j5 b& Q$ @8 P! F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
7 g5 A* ~3 C- u& w% U) x) N
优化的函数是上面GUI中给出的函数
) @0 m9 e0 d9 B, Q
7 S9 O6 c5 ~; Y9 o6 f2 ]

• 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
  

运行时的结果：
2 e2 ^5 @1 X+ q5 j: G' V

NingW

MATLAB遗传算法工具箱简介