遗传算法工具箱使用1

使用谢菲尔德大学的MATLAB遗传算法工具箱

1.简单一元函数优化：计算函数最小值

f(x) = sin(10*pi*x)/x   ,   x范围[1,2]

clc
clear all
close all
%%画出函数图
figure(1);
hold on;
lb = 1;ub = 2;          %函数自变量范围
ezplot('sin(10*pi*X)/X',[lb,ub]);       %画出函数曲线
xlabel('自变量/X')
ylabel('函数值/Y')
%%定义遗传算法参数
NIND = 40;      %种群大小
MAXGEN = 20;        %最大遗传代数
PRECI = 20;         %个体长度
GGAP = 0.95;        %代沟
px = 0.7;           %交叉概率
pm = 0.01;          %变异概率
trace = zeros(2,MAXGEN);        %寻优结果的初始值
FieldD = [PRECI;lb;ub;1;0;1;1];         %区域描述器
Chrom = crtbp(NIND,PRECI);          %创建任意离散随机种群
%%优化
gen = 0;            %代计数器
X = bs2rv(Chrom,FieldD);            %初始种群的十进制转换
ObjV = sin(10*pi*X)./X;             %计算目标函数值
while gen<MAXGEN
    FitnV = ranking(ObjV);          %分配适应度值
    SelCh = select('sus',Chrom,FitnV,GGAP);         %选择
    SelCh = recombin('xovsp',SelCh,px);             %重组
    SelCh = mut(SelCh,pm);                          %变异
    X = bs2rv(SelCh,FieldD);                        %子代个体的十进制转换
    ObjVSel = sin(10*pi*X)./X;                      %计算子代的目标函数值
    [Chrom,ObjV] = reins(Chrom,SelCh,1,1,ObjV,ObjVSel);%重插入子代到父代，得到新种群
    X = bs2rv(Chrom,FieldD);
    gen = gen + 1;                  %代计数器增加
    %获取每代的最优解及其序号，Y为最优解，I为个体的序号
    [Y,I] = min(ObjV);
    trace(1,gen) = X(I);            %记下每代的最优值
    trace(2,gen) = Y;               %记下每代的最优值
end
plot(trace(1,:),trace(2,:),'bo');   %画出每代的最优值        
grid on;
plot(X,ObjV,'b*');                  %画出最后一代的种群
hold off
%%画进化图
figure(2);
plot(1:MAXGEN,trace(2,:));
grid on
xlabel('遗传代数')
ylabel('解得变化')
title('进化过程')
bestY = trace(2,end);
bestX = trace(1,end);
fprintf(['最优解：\nX = ',num2str(bestX),'\nY = ',num2str(bestY),'\n'])

2.运行结果：

3.疑问：

（1）FieldD区域扫描器：FieldD=[len lb ub code scale lbin ubin]' 是译码矩阵，一般用于二进制串到实值的转换其中len是包含在Chrom中每个字符串的长度，lb和ub是行向量，指明每个变量的下界和上界，code表明如何编码（code=1二进制，code=0格雷），scale指明刻度（scale=0算数，scale=1对数），lbin和ubin表示是否包含边界，0表示去掉，1表示包含

（2）代沟GGAP：代沟是用于控制每代中种群被替换的比例，即每代有N*（1-G）个父代个体被选中进入下一代种群。G=50%意味着一半的种群将被置换。