MATLAB 遗传算法求解约束优化问题

摘要
本文以一个双变量的目标函数优化问题为例，借助MATLAB内置的遗传算法进行优化分析。

1. 问题

最小化如下包含两个变量的目标函数
$$\underset{x}{\min }f(x)=100(x_1^2-x_2{)}^2+(1-x_1{)}^2\text{\hspace{1em}(1)}$$
满足的非线性约束条件和边界条件为：
$$\{\begin{array}{rl}& x_1{x}_2+x_1-x_2+1.5\le 0\\ & 10-x_1{x}_2\le 0\\ & 0\le x_1\le 1\text{and}0\le x_2\le 13\end{array}\text{\hspace{1em}(2)}$$

2. 程序

依托MATLAB，定义目标函数和约束函数

图 1 函数定义与代码对应关系

2.1 目标函数

在MATLAB中编写目标函数

function y = myFitness(x)
% 目标函数
% 输入：
%     x-对应优化的变量，x(1)-x1, x(2)-x2
% 输出：
%     y-对应优化值
y = 100 * (x(1)^2 - x(2))^2 + (1 - x(1))^2;
end

可在命令行键入 myFitness([1,2])， 检查函数是否正确，正确的输出结果为 100.

2.2 约束条件

在MATLAB中编写约束条件

function [c,c_eq] = myConstraints(x)
% 约束函数
% 输入：
%     x-对应优化的变量，x(1)-x1, x(2)-x2
% 输出：
%     c—不等式约束
%     c_eq—等式约束
c = [1.5 + x(1)*x(2) + x(1) + x(2);
    -x(1)*x(2) + 10];
c_eq = []; 
end

可在命令行键入 [c, c_eq] = myConstraints([1,2])， 检查函数是否正确，正确的输出结果为 c = [2.5000 8.0000]',c_eq = [].

2.3 主函数

在MATLAB中编写主函数，调用内置的GA算法

%% 主函数
% 利用GA(Genetic Algorithm)最小化目标函数
ObjFcn = @myFitness; % 利用@传输目标函数句柄
nvars = 2; % 变量数目
LB = [0,0]; % 变量下限
UB = [1,13]; % 变量上限
ConsFcn = @myConstraints; % 利用@传输约束函数句柄
[x,fval] = ga(ObjFcn,nvars,[],[],[],[],LB,UB,ConsFcn); % 调用遗传算法，x为最优值对应的变量取值，fval为最优值

本例的正确结果为x=[0.8122 12.3166],fval=1.3588e+04

3. 附录

Constrained Optimization with Genetic Algorithm - A MATLAB Tutorial for Beginners
在matlab中使用遗传算法执行最优化