遗传算法是基于自然选择和自然遗传机制的一种随机搜索算法。遗传算法与传统的搜索算法不同,具有如下特点:
①遗传算法不是对变量直接操作,而是对其编码进行操作:
② 它是从一组点出发进行搜索,而不是从单个点开始;
③ 它不需要导数等信息;
④它是一种随机搜索算法。
遗传算法的主要操作有:复制、交叉、变异。复制体现了“适者生存,不适者淘汰”的自然选择机制。交叉操作使得后代能够继承父代的优良特性。变异操作在增加种群多样性方面具有重要作用。
遗传算法的应用过程主要包括:编码、构造初始种群、设计适应度函数、确定遗传算法结构、选择遗传算子、确定遗传算法的控制参数.
下面是Matlab遗传算法工具箱函数的说明和实例说明:
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,termOp
①遗传算法不是对变量直接操作,而是对其编码进行操作:
② 它是从一组点出发进行搜索,而不是从单个点开始;
③ 它不需要导数等信息;
④它是一种随机搜索算法。
下面是Matlab遗传算法工具箱函数的说明和实例说明:
核心函数:
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--
(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,...