遗传算法优化matlab,遗传算法优化相关MATLAB算法实现

遗传算法

1、案例背景

遗传算法(Genetic Algorithm，GA)是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。

在遗传算法中，染色体对应的是数据或数组，通常是由一维的串结构数据来表示，串上各个位置对应基因的取值。基因组成的串就是染色体，或者叫基因型个体( Individuals) 。一定数量的个体组成了群体(Population)。群体中个体的数目称为群体大小(Population Size)，也叫群体规模。而各个个体对环境的适应程度叫做适应度( Fitness) 。

2、遗传算法中常用函数

1)创建种群函数—crtbp

2)适应度计算函数—ranking

3)选择函数—select

4)交叉算子函数—recombin

5)变异算子函数—mut

6)选择函数—reins

7)实用函数—bs2rv

8)实用函数—rep

3、主程序：

1. 简单一元函数优化：

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【1,2】

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; %个体数目

MAXGEN=20; %最大遗传代数

PRECI=20; %变量的二进制位数

GGAP=0.95; %代沟

px=0.7; %交叉概率

pm=0.01; %变异概率