贴个俺的成果，嘿嘿

今天用刚出炉的GA，做了个小测试，呵呵，还不错，把结果总结了一下：

 

被测函数：（《演化程序－遗传算法和数据编码的结合》 科学出版社，2000， P26）

 F(x1,x2)=21.5+x1*sin(4*pi*x1)+x2*sin(20*pi*x2)  的最大值

其中 －3.0<=x1<=12.1以及4.1<=x2<=5.8，函数的图形在【相册－资源】中（等俺会贴图了，再贴回来，呵呵）

 

 

现在我有5个选择算子，其中1和5是同样的，但是实现方法不同（可以同等看待，这里只不过多测试了一次而已，呵呵）

这5（4）个算子都包含了最优保存，它们分别是

1，  转盘式选择算子（最常见的，也就是比例算子）：selection1, selection5

2，  具有排名的转盘式选择算子：selection2

3，  随机一致算子：selection3

4，  锦标赛选择算子: selection4

 

现在我有两个算法性能评估指标（《演化计算》 潘正君等，清华大学出版社，1998，P66）

一个是平均性能值（在线性能），具体什么情况我就不说了：AVE

一个是最优性能值（离线性能），同上，呵呵：MAX

 

下面这个表格就是测试结果，敲数字可真不是个好活：）

	selection1	selection2	selection3	selection4	selection5
AVE	38.8503	38.3226	38.4503	38.1489	38.8503
	33.5902	22.7836	33.6016	36.5246	34.1255
	11.6255	11.6333	11.6255	11.1268	11.6256
	5.725	5.6309	5.325	5.5251	5.725
MAX	38.8474	36.3799	38.8502	38.8503	38.8493
	38.1199	36.259	38.1921	38.5717	38.6797
	11.6257	11.1469	11.6254	11.6255	11.6255
	5.7256	4.6323	5.7251	5.725	5.7253

 

注：以上结果所用参数：

popsize=80，群中个体的数量

gen=300，代数

minvar=[-3.0 4.1]，由于这是一个双变量函数，所以minvar是二个，分别代表x1，x2的最小值，这个程序可以处理多变量的情况

maxvar=[12.1 5.8]，同上，只不过代表的是最大值，这样，每个变量就有了一个范围

scalevar=0.0001，求解精度，表格中凡是小数点后面是三位的表示第四位是0

pc=0.25，交叉概率

pm=0.01，变异概率

解释一下：从上到下的四个数字分别代表：最上面的一个是代表到第300代所找到的最优结果，第二个就是本次计算的AVE（或者MAX），第三个和第四个分别是取得最优结果时所对应的自变量值，这里有两个。

 

还有，AVE的大小说明算法的收敛性，而MAX则代表算法的趋向（on-going）性能

附录：各个结果所得到的图：

ave1:

 

max1

ave2

max2

ave3

max3

ave4

max4

ave5

max5

 

 

算了，我也不会贴图，大家到 相册-资源 中去看吧，嘿嘿