还是这本书上的内容,不过我看演化计算这一章是倒着看的,这里练习的算法正好和书中介绍的顺序是相反的。
演化策略是最古老的的演化算法之一,和上一篇DE算法类似,都是基于种群的随机演化产生最优解的算法。
算法步骤如下:
1.设定种群个体数和需要迭代的次数。
2.选择父代中的个体按照公式z1=sqrt(-2*ln(u1))*sin(2*pi*u2)*m,z2=sqrt(-2*ln(u1))*cos(2*pi*u2)*m进行演化。
这里u1,u2都是随机值,m是控制因子,演化次数越多m,m越小,父代通过与z1,z2相加得到后代。
3.计算后代的适应性。
4.选择后代中最优的适应性作为全局最优适应性。
其实整个过程和DE非常类似。过程都是随机变异,求适应性,再找最优。
我还试着将z1和z2横设为1,竟也能得到非常好的解。
算法结果如下:
matlab代码如下:
main.m
clear all;close all;clc;
[x y]=meshgrid(-100:100,-100:100);
sigma=50;
img= (1/(2*pi*sigma^2))*exp(-(x.^2+y.^2)/(2*sigma^2)); %目标函数,高斯函数
mesh(img);
hold on;
n=50; %种群个体的数量
iter=100; %迭代次数
%初始化种群,定义结构体
par=struct([]);for i=1:n
par(i).x=-100+200*rand(); %个体的x特征在[-100 100]随机初始化
par(i).y=-100+200*rand(); %个体的y特征在[-100 100]随机初始化
par(i).fit=compute_fit(par(i)); %个体在[x,y]处的适应度endpar_best=par(1); %初始化种群中最佳个体for k=1:iter %迭代次数
plot3(par_best.x+100,par_best.y+100,par_best.fit,'g*'); %画出最佳个体的位置,+100为相对偏移
[par par_best]=select_and_recombin(par,par_best,n,k,iter); %差异演化函数end
select_and_recombin.m
function [next_par par_best]=select_and_recombin(par,par_best,n,k,iter)
mul=(iter-k)/iter; %限制进化因子,代数越高变异越小
next_par=par; %新种群for i=1:n
%产生变异随机数
u1=rand();
u2=rand();
z1=sqrt(-2*log(u1))*sin(2*pi*u2)*mul;
z2=sqrt(-2*log(u1))*cos(2*pi*u2)*mul;
%变异
next_par(i).x=par(i).x+z1;
next_par(i).y=par(i).y+z2;
%计算变异后个体的适应度
next_par(i).fit=compute_fit(next_par(i));
%如果新个体没有变异前个体适应度高,新个体还原为旧个体if par(i).fit>next_par(i).fit
next_par(i)=par(i);end%如果变异后适应度高于种群最高适应个体,则更新种群适应度最高个体if next_par(i).fit>par_best.fit
par_best=next_par(i);end
end
end
compute_fit.m
function re=compute_fit(par)
x=par.x;
y=par.y;
sigma=50;if x100 || y100re=0; %超出范围适应度为0else%否则适应度按目标函数求解
re=(1/(2*pi*sigma^2))*exp(-(x.^2+y.^2)/(2*sigma^2));end
end