遗传算法工具箱_遗传算法常用函数

本文详细介绍了谢菲尔德大学的遗传算法工具箱gatbx,包括创建种群函数crtbp、适应度计算函数ranking、选择函数select、交叉算子函数recombin、变异算子函数mut、重插入函数reins以及实用函数bs2rv和rep的使用方法和功能,为遗传算法的实践操作提供了清晰的指导。
摘要由CSDN通过智能技术生成

仅针对谢菲尔德大学的遗传算法工具箱gatbx(genetic algorithm toolbox)

1.创建种群函数——crtbp(create base population)

功能:创建任意离散随机种群。

调用格式:

①[Chrom,Lind, BaseV] = crtbp(Nind,Lind)

②[Chrom, Lind, BaseV] = crtbp(Nind,Base)

③[Chrom ,Lind,BaseV] = crtbp(Nind,Lind,Base)

Chrom:Chromosome 染色体

Lind:length of individuals 个体长度

Nind:number of individuals 个体数目

BaseV:base vector 基本向量

Base:进制数

格式①创建一个大小为Nind X Lind的随机二进制矩阵,其中,Nind为种群个体数,Lind为个体长度。返回种群编码Chrom和染色体基因位的基本字符向量BaseV.

格式②创建-一个种群个体为Nind,个体的每位编码的进制数由Base决定(Base的列数即为个体长度)。

格式③创建一个大小为Nind X Lind的随机矩阵,个体的各位的进制数由Base决定,这时输人参数Lind可省略(Base的列数即为Lind),即为格式②。

2.适应度计算函数——ranking

功能:基于排序的适应度分配。

调用格式:

①FitnV = ranking(ObjV)

②FitnV = ranking(ObjV , RFun)

③FitnV = ranking(ObjV,RFun, SUBPOP)

FitnV:fitness vector适应度向量

ObjV:object vector目标值向量

RF

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
一、目标与适应函数的简单对比 目标函数就是你希望得到的优化结果,比如函数最大值或者最小值。而适应度函数是为了计算个体的适配值。 适配值是非负的,而且要求适配值越大则该个体越优越。而目标函数则有正有负,它们之间关系多种多样,比如求最小值时,目标函数最小,则适配值越大,求最大值时目标值越大,适配值越大。 目标函数Object function和适应度函数Fitness function是不一样的概念,有时为了方便后续计算在适应度函数中做些 拉伸,取反,什么的。 目标函数是你求解的优化变量的函数形式;而适应度函数是你求解的优化变量的一种度量,是一种更为广义的概念。可以这么理解,目标函数只是适应度函数的一种,也可以有其他的表达形式。 对于目标函数,为了得到好的搜索性能,经过一些变化就可以得到适应度函数。另外就是这些变化可以不唯一的。 二、适应度函数 适应度函数跟 想要实现什么功能有关,把粒子对应成你问题的候选解,适应度函数用来评价给出的这个候选解(粒子)的好坏(好坏的评价标准需要一个量化指标,也就是,粒子的适应度值) 适应度用于评价个体的优劣程度,适应度越大个体越好,反之适应度越小则个体越差;根据适应度的大小对个体进行选择,以保证适应性能好的个体有更多的机会繁殖后代,使优良特性得以遗传。因此,遗传算法要求适应度函数值必须是非负数,而在许多实际问题中,求解的目标通常是费用最小,而不是效益最大,因此需要将求最小的目标根据适应度函数非负原则转换为求最大目标的形式
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