Matlab遗传算法工具箱——一个例子搞懂遗传算法

解决问题

我们一般使用遗传算法是用来处理最优解问题的，下面是一个最优解问题的例子

打开遗传算法工具箱

①在Matlab界面找到应用程序选项，点击应用程序(英文版的Matlab可以点击App选项)

②找到Optimization工具箱，点击打开

创建所需要的变量

标准形式

首先需要把方程转换为标准形式，也就是所有的方程都需要以≤的方式连接
目标函数也必须是min类型的，如果是max类型，则需要提取出一个符号后再来求解

创建变量

我们先需要在Matlab的工作区创建以下几个变量：

变量名称	变量作用	变量形式
f	目标函数	函数文档形式
A,b	线性不等式约束	矩阵
Aeq,beq	线性不等式约束的左侧系数，右侧约束	矩阵
lb,ub	决策变量上下界	矩阵
c,ceq	非线性不等式约束和非线性等式约束	函数文档形式

f

funcition f = optimizations(x)
    f = (x(1)-2)^2 + (x(2)-1)^2 + (x(3)-7)^2 + (x(4)-9)^2
end

A，b

这里需要注意的是，B矩阵是一个列向量，用来保存所有线性约束的右侧

Aeq，beq

这个例题并未出现线性等式的约束，所以我们可以直接赋值两个空矩阵

lb，ub

c，ceq

非线性等式和非线性不等式我们也需要单独用一个函数进行存放

遗传算法工具箱

我们需要做以下几个步骤

Solver 是选择函数，我们需要选择最后一个遗传算法的函数
Fitness funcition 是我们的目标函数，用@加上我们创建的函数名即可
Number of variables 是我们变量的个数
Constraints 里面可以填写刚刚我们创建的变量矩阵

需要注意的是，选择整数的那一项我们是无法填写的，因为整数约束会和遗传算法产生冲突

接着在右侧的Option中，如果我们需要作图，可以勾选前三个选项，如下图

接着在下面的display to command window改成迭代

点击Start按键，开始运行遗传算法：

在最下面的final point可以获得我们的最优解：

如果需要遗传算法工具箱的源码，可以点击file，找到generate code