遗传算法学习总结

遗传算法是一种优化算法，实质是通过群体搜索，根据适者生存的原则进行逐代进化，最终得到最优解。

实现方法：
1.根据具体问题找到可行解的取值范围，类似于x∈(a,b)，确定一种编码方式，通过数值串或字符串的方式表示每个可行解
2.确定适应度函数fitness（非负函数）,用于判断每个解的好坏
3.确定进化的相关参数，种群规模、交叉概率、变异概率、进化终止条件（最大代数等）。

模型求解及算法
step1.设定参数：
种群大小：M=50
最大代数：G=1000
交叉率：Pc=1（交叉概率为1，保证种群充分进化）
变异率：Pm=0.1（变异发生可能性尽可能小）
step2.确定可行解的编码方式
step3.确定初始种群（可采用改良圈法求得一个较好的初始种群）
step4.确定目标函数（适应度函数）
step5.交叉操作
step6.变异操作
step7.选择（选择目标函数值最小的M个个体进化到下一代，保证父代的优良特性被遗传下来）

遗传算法求解一维无约束优化问题
matlab程序（网上找的，感觉很好用）

function [xv,fv] = myGA(fitness, a, b, M, G, Pc, Pm, eps)  
%   用遗传算法求解一维无约束优化问题  
%   待优化的目标函数 fitness  
%   自变量下界 a   
%   自变量上界 b   
%   种群个体数 M  
%   最大进化代数 G  
%   杂交概率　Pc  
%   变异概率 Pm  
%   自变量离散精度 eps  
%   目标变量取最大值时自变量的值: xm  
%   目标函数的最大值 fv  
%  
%   Example:  
%       function F = fitness(x)  
%       F = x^3-60*x^2+900*x+100;     
%   -------------------------------  
%       [xv,fv] = myGA(@fitness,0, 30, 50, 100, 0.9, 0.04, 0.01);  
%   --------------------------------------------------  
%       xv = 10  
%       fv = 4100  
%  
%   本程序在《精通MATLAB最优化计算》页315程序的基础上修改  

L = ceil(log2((b-a) / eps + 1));                %编码长度  
x = zeros(M, L);                               %种群  
nx = zeros(size(x));                            %滚动数组  
fx = zeros(M, 1);                              %适应度  
for i = 1:M  
    x(i,:) = Initial(L);  
end  

fv = -inf;  

for k = 1 : G  
    for i = 1 : M  
        fx(i) = fitness(Dec(a, b, x(i, :), L));  
        if (fx(i) > fv)  
            xv = Dec(a, b, x(i, :), L);  
            fv = fx(i);  
        end  
    end  

    sumfx = sum(fx);  
    Px = fx / sumfx;  

    PPx = zeros(M, 1);  
    PPx(1) = Px(1);                                 %概率叠加  
    for i = 2 : M  
        PPx(i) = PPx(i - 1) + Px(i);  
    end  

    selFather = 0;  
    for i = 1 : M  
        sita = rand();  
        for j = 1 : M  
            if (sita <= PPx(j))  
                selFather = j;                      %使用轮盘赌法进行选择父亲  
                break;  
            end  
        end  

        selMother = floor(rand() * M) + 1;         %母亲随机选择  
        posCut = floor(rand() * (L - 1)) + 1;       %交叉点  

        r1 = rand();  
        if (r1 <= Pc)  
            nx(i, 1 : posCut) = x(selFather, 1:posCut);  
            nx(i, (posCut + 1) : L) = x(selMother, (posCut + 1) : L);  
            r2 = rand();  
            if (r2 <= Pm)  
                posMut = floor(rand() * L) + 1;  
                nx(i, posMut) = ~nx(i, posMut);  
            end  
        else  
            nx(i, :) = x(selFather, :);  
        end  
    end  

    x = nx;  
end  

%--------------------------------------------------------  
%   初始化种群  
function  result = Initial(length)  
result = zeros(size(length()));  
for i = 1 : length  
    r = rand();  
    result(i) = round(r);  
end  

%----------------------------------------------------------  
%   编码转换  
function y = Dec(a, b, x, L)  
base = 2 .^ ((L - 1) : -1: 0);  
y = dot(base, x);  
y = a + y * (b - a) / (2 ^ L - 1);

当然如果matlab里有遗传工具箱gatool可以交互式操作就更方便些