matlab遗传算法工具箱函数及实例讲解（转引）

核心函数：  
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)-- 初始种群的生成函数  
【输出参数】  
 pop-- 生成的初始种群  
【输入参数】  
 num-- 种群中的个体数目  
 bounds-- 代表变量的上下界的矩阵  
 eevalFN-- 适应度函数  
 eevalOps-- 传递给适应度函数的参数  
 options-- 选择编码形式 ( 浮点编码或是二进制编码 )[precision F_or_B], 如  
    precision-- 变量进行二进制编码时指定的精度  
    F_or_B-- 为 1 时选择浮点编码，否则为二进制编码 , 由 precision 指定精度 ) 

(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,... 
         termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)-- 遗传算法函数  
【输出参数】  
    x-- 求得的最优解  
    endPop-- 最终得到的种群  
    bPop-- 最优种群的一个搜索轨迹  
【输入参数】  
    bounds-- 代表变量上下界的矩阵  
    evalFN-- 适应度函数  
    evalOps-- 传递给适应度函数的参数  
    startPop- 初始种群  
    opts[epsilon prob_ops display]--opts(1:2) 等同于 initializega 的 options 参数，第三个参数控制是否输出，一般为 0 。如 [1e-6 1 0] 
    termFN-- 终止函数的名称 , 如 ['maxGenTerm'] 
    termOps-- 传递个终止函数的参数 , 如 [100] 
    selectFN-- 选择函数的名称 , 如 ['normGeomSelect'] 
    selectOps-- 传递个选择函数的参数 , 如 [0.08] 
    xOverFNs-- 交叉函数名称表，以空格分开，如 ['arithXover heuristicXover simpleXover'] 
    xOverOps-- 传递给交叉函数的参数表，如 [2 0;2 3;2 0] 
    mutFNs-- 变异函数表，如 ['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation'] 
    mutOps-- 传递给交叉函数的参数表 , 如 [4 0 0;6 100 3;4 100 3;4 0 0] 

注意】 matlab 工具箱函数必须放在工作目录下  
【问题】求 f(x)=x+10*sin(5x)+7*cos(4x) 的最大值，其中 0<=x<=9 
【分析】选择二进制编码，种群中的个体数目为 10 ，二进制编码长度为 20 ，交叉概率为 0.95, 变异概率为 0.08 
【程序清单】  
   % 编写目标函数  
     function[sol,eval]=fitness(sol,options) 
       x=sol(1); 
       eval=x+10*sin(5*x)+7*cos(4*x); 
   % 把上述函数存储为 fitness.m 文件并放在工作目录下  
    
   initPop=initializega(10,[0 9],'fitness');% 生成初始种群，大小为 10 
   [x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',... 
     [0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25 次遗传迭代  

运算借过为： x = 
   7.8562 24.8553( 当 x 为 7.8562 时， f （ x ）取最大值 24.8553) 

注：遗传算法一般用来取得近似最优解，而不是最优解。  


遗传算法实例 2 
【问题】在－ 5<=Xi<=5,i=1,2 区间内，求解  
       f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282 的最小值。  
【分析】种群大小 10 ，最大代数 1000 ，变异率 0.1, 交叉率 0.3 
【程序清单】  
    ％源函数的 matlab 代码  
      function [eval]=f(sol) 
        numv=size(sol,2); 
        x=sol(1:numv); 
        eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282; 
  % 适应度函数的 matlab 代码  
      function [sol,eval]=fitness(sol,options) 
        numv=size(sol,2)-1; 
        x=sol(1:numv); 
        eval=f(x); 
        eval=-eval; 
  % 遗传算法的 matlab 代码  
      bounds=ones(2,1)*[-5 5]; 
      [p,endPop,bestSols,trace]=ga(bounds,'fitness') 

注：前两个文件存储为 m 文件并放在工作目录下，运行结果为  
   p = 
   0.0000 -0.0000 0.0055 

大家可以直接绘出 f(x) 的图形来大概看看 f （ x ）的最值是多少，也可是使用优化函数来验证。 matlab 命令行执行命令：  
 fplot('x+10*sin(5*x)+7*cos(4*x)',[0,9]) 

evalops 是传递给适应度函数的参数， opts 是二进制编码的精度， termops 是选择 maxGenTerm 结束函数时传递个 maxGenTerm 的参数，即遗传代数。 xoverops 是传递给交叉函数的参数。 mutops 是传递给变异函数的参数