北卡罗来纳大学遗传算法工具箱

目录

北卡罗来纳大学遗传算法工具箱  gaot 重要函数如下

1.initializega函数介绍

2.ga函数介绍

3.initializega求解一元函数

---

注：本文的代码可用于matlab 2012a版本

北卡罗来纳大学遗传算法工具箱  gaot 重要函数如下

·optimtool（matlab内部封装函数）

·initializega

·ga

·normGeomSelect

·arithXover

·nonUnifMutation

本文主要介绍  initializega 和 ga 两个函数

1.initializega函数介绍

函数组如下：

pop = initializega(populationSize, variableBounds, evalFN,evalOps,options)

参数                                                                  意义

Pop                                                            随机生成的初始种群

populationSize                                          种群大小即种群中个体的数目

variableBounds                                         变量边界的矩阵

evalFN                                                      适应度函数的名称

evalOps                                                     适应度函数的参数

options                                                     精度及编码形式，1为浮点编码，0为二进制编码

2.ga函数介绍

[x,endPop,bPop,tracelnfo]=ga(bounds,evalFN,evalOps,startPop,opts,termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)

参数                                                                意义

Bounds                                                   变量上下界的矩阵

evalFN                                                    适应度函数的名称

evalOps                                                   适应度函数的参数

startPop                                                   初始种群

opts                         精度、编码形式及显示方式，1为浮点编码，0为二进制编码，默认为[1e-61 0]

termFN                                                     终止函数的名称

termOps                                                   终止函数的参数

selectFN                                                   选择函数的名称

sefeectOps                                               选择函数的参数

xOverFNs                                                 交叉函数的名称

xOverOps                                                 交叉函数的参数

mutFNs                                                    变异函数的名称

mutOps                                                    变异函数的参数

x                                                                 优化计算得到的最优个体

endPop                                                       优化终止时的最终种群

bPop                                                           最优种群的进化轨迹

traceInfo                                                   每代的最优适应度函数值和平均适应度函数值矩阵

3.initializega求解一元函数

适应度函数

function [sol, fitnessVal] = fitness(sol, options)

x = sol(1);

fitnessVal = x + 10*sin(5*x)+7*cos(4*x);

end

主函数

%% I. 清空环境变量
clear all
clc

%% II. 绘制函数曲线
x = 0:0.01:9;
y =  x + 10*sin(5*x)+7*cos(4*x);

figure
plot(x, y)
xlabel('自变量')
ylabel('因变量')
title('y = x + 10*sin(5*x) + 7*cos(4*x)')


%% III. 初始化种群
initPop = initializega(50,[0 9],'fitness'); % （种群大小, 变量边界的矩阵，适应度函数名称）

%% IV. 遗传算法优化
[x endPop bpop trace] = ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,...
                           'normGeomSelect',0.08,'arithXover',2,'nonUnifMutation',[2 25 3]);


%% V. 输出最优解并绘制最优点
x
hold on
plot (endPop(:,1),endPop(:,2),'ro')

%% VI. 绘制迭代进化曲线
figure(2)
plot(trace(:,1),trace(:,3),'b:')
hold on
plot(trace(:,1),trace(:,2),'r-')
xlabel('Generation'); ylabel('Fittness');
legend('Mean Fitness', 'Best Fitness')

函数曲线如下： 

 迭代进化曲线：