MATLAB-遗传算法-求解多元非线性规划问题

本文介绍了遗传算法在MATLAB中的应用,主要用于解决多元非线性规划问题。讨论了遗传算法的参数设计原则,如种群规模、变异概率、交配概率和进化代数,并强调了其在解决数学建模中的多约束非线性规划问题的优势。通过实例展示了如何使用MATLAB源程序来实现,并给出了程序运行结果。
摘要由CSDN通过智能技术生成

       遗传算法是模拟达尔文生物进化论的选择和孟德尔遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。

遗传算法的参数设计原则

      在单纯的遗传算法中,也并不总是收敛,即使在单峰或单调也是如此。这是因为种群的进化能力已经基本丧失,种群早熟。为了避免种群的早熟,参数的设计一般遵从以下原则:

    (1)种群的规模当群体规模太小时,很明显会出现近亲交配,产生病态基因,可能性仍很小,况且大概率变异算子对已有模式的破坏作用极大,所以种群规模的一个建议值为0~100。

    (2)当变异概率太小时,种群的多样性下降太快,容易导致有效基因的迅速丢失且不容易修补;当变异概率太大时,尽管种群的多样性可以得到保证,但是高阶模式被破坏的概率也随之增大。所以变异概率一般取0.0001~0.2。

    (3)交配概率交配是生成新种群最重要的手段。与变异概率类似,交配概率太大容易破坏已有的有利模式,随机性增大,容易错失最优个体;交配概率太小不能有效更新种群。所以交配概率一般取0.4~0.99。

    ࿰

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

MATLAB码农

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值