matlab 遗传优化算法_Matlab遗传算法工具箱使用简介

1.简介

遗传算法是现代优化算法之一,为方便使用Matlab提供了遗传算法工具箱,可以方便我们解决一般的优化问题。

46b5a9a3b5b708d9e4289d0d04fabf1a.png

遗传算法工具箱的打开途径为:首先在App中找到Optimization工具箱

ec62fcc492dbcafeee6de95918a4d31e.png

然后在Solver中找到ga打开就行了,具体的显示界面如下

336f4dc5451f4ddc626226f79cb87dbb.png

我们主要用到的就是左边这一块了,在里面输入参数就行了

2.例题

下面我通过几个例题来介绍参数怎么输入

例1,求解f(x)的最小值

73e893526d42d42a27bf4f19eac5d2a0.png

首先我们要编写适应度函数,一般就是目标函数,保存为m函数文件

4daeb3f1eaabfeb94d2439b37cd7c933.png

接下来就是输入参数了

5b995d65d10473a6bc378eef2ceefe88.png

在Fitness function(适应度函数)处输入@目标函数名(因为此处传递的是函数句柄所以一定要加@,不然会出错),Number of Variables是指待求变量的个数,接下来就是输入约束条件了,以为此处约束条件是xi是0到0.9pi之间的实数,所以只需要在Bound处输入就行了,然后点击Start按钮就会求出结果。

例2

f21d979b07b4dcd0ea45e3a98813bd3e.png

这个是求最大值,但遗传算法工具箱只能求最小值,所以我们编写适应度函数时在目标函数前加个负号就行了(当-z最小时,z也就最大了)。

目标函数为

66cf32f9ff1481f6c75c72c22a88b6f5.png

以为此处设计到了不等式约束,所以需要先在Matlab中定义不等式约束,它的不等式约束表示形式为

71493447d322188334fbe8ea6ee882f9.png

ef613647b8ead98dce192491bbe67c24.png

在工作区要有约束条件的矩阵变量,和例1不同的是只需要在约束处添加不等式约束就行了。这求的是最大值的相反数。

afc0088e28bdd6d77adf59ed06221292.png

例3

7152a4f28f929bc381bda8991baa98d7.png

这题和前面不一样的是涉及到了非线性约束,所以需要编写非线性约束条件。

适应度函数

222c6c6e78c5027679842be6c009dcd2.png

非线性约束m函数文件

fa7d27b9ef87ab9f6f5628144bd9e870.png

其中c代表

65f7c6bc4bc891cb5aab9b6ddb2ea662.png

ceq代表

c035f8109317efb066c18e18aab32b4c.png

此题相对前面的需要在Constraints中的Nonlinear constraint function处输入非线性约束m文件函数

59933a50eac294076b8e3425eaf549da.png

以上例题还没有涉及到的参数由Aeq,beq这是线性等式约束的条件,以及Interger variable indices处的参数(这是指明那个参数是整数),具体的可参见最右边的版块

a934003e6c65f20455806c1c1444bf5b.png
  • 3
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值