基于python和MATLAB的遗传算法优化函数最小值

最新推荐文章于 2024-02-04 09:31:43 发布

hit鸟

最新推荐文章于 2024-02-04 09:31:43 发布

阅读量2.3k

点赞数 2

文章标签： python matlab

本文链接：https://blog.csdn.net/sinat_41567114/article/details/106760168

版权

本文探讨了使用遗传算法寻找函数f(x)=∑xi^2最小值的方法，比较了Python和MATLAB两种实现。实验设置为种群规模100，实数编码，历经100代，交叉概率0.8，变异概率0.1。

摘要由CSDN通过智能技术生成

遗传算法计算函数最小值f（x）=∑xi^2 基于matlib与python对比

采用种群数100，实数编码，进化100代交叉概率0.8，变异概率0.1

# -*- coding: utf-8 -*-
"""

"""


import numpy as np



#适应度函数
def func2(x):
    summ=sum(pow(x,2))
    return summ

D=10
NP=100
Xs=20
Xx=-20
G=100
Pc=0.8
Pm=0.1
nf=np.zeros((D,NP))
f=np.random.rand(D,NP)*(Xs-Xx)+Xx
Sortf=np.zeros((D,NP))
NSortf=np.zeros((D,NP))
MSLL=np.zeros(NP)
NMSLL=np.zeros(NP)
NMSLL1=np.zeros(NP)
#Index=np.zeros(NP)
trace=[]
for w in range(NP):          
    MSLL[w]=func2(f[:,w])     #MSLL是f的适应度
Index=np.argsort(MSLL)
SortMSLL=sorted(MSLL)           #SortMSLL是从低到高排序后的MSLL


Sortf=f[:,Index]             #由f升序得到

for gen in range