数学建模-算法
文章平均质量分 53
柿子镭
努力做一个勤勤恳恳的代码搬运工
展开
-
遗传算法求函数最小值(多维)2
function o=func2(x)Dim=size(x,2);o=sum(x.^2-10*cos(2*pi.*x))+10*Dim;end%%实值遗传算法求函数极值%%%%%%%%%初始化参数%%%%%clear all; %清除所有变量close all; %清图clc; %清屏NP=100; %染色体数目Dim=30; %基因数目Pc=0.8; %交叉率,一般取0.25~1.原创 2021-11-03 23:46:59 · 917 阅读 · 0 评论 -
遗传算法求函数最小值(多维)1
%%实值遗传算法求函数极值%%%%%%%%%初始化参数%%%%%clear all; %清除所有变量close all; %清图clc; %清屏NP=100; %染色体数目Dim=30; %基因数目Pc=0.8; %交叉率,一般取0.25~1Pm=0.1; %变异率,一般取0.001~0.1G=1000; %最大遗传代数,一般100~1000Xs=100; .原创 2021-11-03 23:41:11 · 708 阅读 · 0 评论 -
免疫算法IA——4
1、题目2、仿真过程3、代码实现4、结果展示1、旅行商问题(TSP问题)假设有一个旅行商人要拜访全国31个省会城市,它需要选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。对路径选择的要求是:所选路径的路成为所有路径之中的最小值。全国31个省会城市的坐标为[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1556;3238 1229;4196 1044;4312 790;4386 ..原创 2021-10-16 19:31:49 · 192 阅读 · 0 评论 -
免疫算法IA——3
1、题目2、仿真过程3、代码实现4、结果展示1、例题:求函数的最小值,其中x的取值范围为[-4,4],y的取值范围[-4,4]。这是一个有多个局部极值的函数,其函数值图形如图所示2、仿真过程(1)初始化免疫个体维数D=2,免疫种群个数NP=50,最大进化代数G=200,变异概率=0.7,激励度系数=2,=1, 相似度阈值=0.2,克隆个数=5.(2)随机产生初始种群,计算个体亲和度、抗体浓度和激励度,并按激励度排序(3)取激励度前 个个体进行克隆、变异、克隆抑制的免.原创 2021-10-09 17:33:03 · 197 阅读 · 1 评论 -
免疫算法IA——2
1、题目2、仿真过程3、代码实现4、结果展示1、例题:计算函数的最小值,其中个体x的维数n=10,这是一个简单的平方和函数,只有一个极小点x=(0,0....,0)理论最小值f(0,0,...0)=0.2、仿真过程(1)初始化免疫个体维数D=10,免疫种群个数NP=100,最大进化代数G=500,变异概率=0.7,激励度系数=1,=1, 相似度阈值=0.2,克隆个数=10.(2)随机产生初始种群,计算个体亲和度、抗体浓度和激励度,并按激励度排序(3)取激励度前 NP/2个个体原创 2021-10-06 00:10:25 · 465 阅读 · 1 评论 -
免疫算法IA——1
1、免疫算法概念2、免疫算法与生物免疫系统概念的对应关系3、免疫算法的特点4、免疫算法算子免疫算法免疫算法与生物免疫系统概念的对应关系 生物免疫系统 免疫算法 抗原 优化问题 抗体(B细胞) 优化问题的可行解 亲和度 可行解的质量 细胞活化 免疫选择 细胞分化 个体克隆 亲和度成熟 变异 克隆抑制 克隆抑制 动态维持平衡 种群刷新 根据上述的对应关系,模拟生物免疫应答的过程原创 2021-10-04 00:19:20 · 1217 阅读 · 1 评论 -
差分进化算法——4
1、题目2、仿真过程3、代码实现4、结果1、例题:用离散差分进化算法求函数的最大值,其中x的取值范围为-100~100之间的整数,y的取值范围-100~100之间的整数。其函数值图形如图所示2、仿真过程(1)初始化个体数目为NP=20,变量维数为D=2,最大进化代数G=100,初始变异算子F=0.5,交叉算子CR=0.1.(2)产生数值为【-100,100】内整数的初始种群,计算个体目标函数值;进行变异操作,对交叉后的种群内数值进行取整操作,然后进行交叉操作、边界条件处理,产原创 2021-10-03 22:39:34 · 481 阅读 · 1 评论 -
差分进化算法——3
1、题目2、仿真过程3、代码实现4、结果1、例题:求函数的最小值,其中x的取值范围为[-4,4],y的取值范围[-4,4]。这是一个有多个局部极值的函数,其函数值图形如图所示2、仿真过程(1)初始化个体数目为NP=20,变量维数为D=2,最大进化代数G=100,初始变异算子F=0.5,交叉算子CR=0.1.(2)产生初始种群,计算个体目标函数值;进行变异操作、交叉操作、边界条件处理,产生临时种群,其中边界条件处理采用在边界吸收方式。(3)计算临时种群个体目标函数,与原种群原创 2021-10-03 22:08:12 · 363 阅读 · 1 评论 -
差分进化算法——2
1、题目2、仿真过程3、代码实现4、结果展示1、例题:计算函数的最小值,其中个体x的维数n=10,这是一个简单的平方和函数,只有一个极小点x=(0,0....,0)理论最小值f(0,0,...0)=0.2、仿真过程(1)初始化个体数目为NP=50,变量维数为D=10,最大进化代数为200,初始变异算子=0.4,交叉算子CR=0.1,阈值yz=.(2)产生初始种群,计算个体目标函数值;进行变异操作、交叉操作、边界条件处理,产生临时种群,其中变异操作采用自适应变异算子,其中变原创 2021-10-03 19:13:48 · 442 阅读 · 1 评论 -
差分进化算法——1
1、差分进化算法差分进化算法是基于群体智能理论的优化算法,是通过群体内个体间的合作与竞争而产生的智能优化搜索算法。但相比于进化计算,它保留了基于种群的全局的搜索策略,采用实数编码、基于差分的简单变异操作和“一对一”的竞争生存策略,降低了进化计算操作的复杂性。同时,差分进化算法特有的记忆能力能使其可以动态跟踪当前的搜索情况,以调整其搜索策略,它具有较强的全局收敛能力和稳健性,且不需要借助问题的特征信息,适用于求解一些利用常规的数学规划方法很难求解甚至无法求解的复杂优化问题。差分进化算法是一种自组织最小原创 2021-10-02 23:11:05 · 6138 阅读 · 1 评论 -
TSP遗传算法-matlab解析
1、交叉操作 %% 交叉操作 W = ceil(N/10); % 交叉点个数 ceil 是向离它最近的大整数圆整 p = unidrnd(N-W+1); % 随机选择交叉范围,从p到p+W R = unidrnd(N) 产生从1到N所指定的最大数数之间的离散均匀随机整数。 for i =1:W x = find(A==B(p+i-1)) y = find(B==A(p+i-原创 2021-09-19 17:46:09 · 574 阅读 · 2 评论 -
遗传算法--旅行商问题(TSP问题)-Matlab
1、问题2、仿真过程3、代码实现1、旅行商问题(TSP问题)。假设有一个旅行商人要拜访全国31个省会城市,它需要选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。对路径选择的要求是:所选路径的路成为所有路径之中的最小值。全国31个省会城市的坐标为[1302 2312;]...原创 2021-09-19 16:44:08 · 15951 阅读 · 8 评论 -
遗传算法——君主方案代码实现
%% 采用君主方案进行选择交叉操作 % 君主方案是父方染色体全部是本代最占优的一条,母方是按一定顺序(升序)排列的一群染色体。 Emper = Sortf(:,1); % 君主染色体---本代最占优的一条 NoPoint = round(D*Pc); % 每次交叉点的个数 PoPoint = randi([1 D],NoPoint, NP/2); % 交叉基因的位置 nf = Sortf; for i=1:NP/2 .原创 2021-09-17 23:50:23 · 1115 阅读 · 2 评论 -
遗传算法计算函数最小值(多维)
函数 仿真过程 君主方案 代码实现 1、函数的最小值,其中x的维数n=10,这是一个简单平方和函数,只有一个极小点 =(0,0,...,0),理论最小值2、仿真过程:(1)初始化种群数目NP=100,染色体基因维数为D=10,最大进化代数G=1000,交叉概率Pc=0.8,变异概率Pm=0.1(2)产生初始种群,计算个体适应度值,进行实数编码的选择以及交叉和变异操作。选择和交叉操作采用“君主方案”,即在对群体根据适应度值高低进行...原创 2021-09-17 15:18:13 · 5916 阅读 · 3 评论 -
用标准遗传算法求函数最大值
题:用标准遗传算法求函数f(x)=x+10sin(5x)+7cos(4x)的最大值,其中x的取值范围为[0,10].只是一个有多个局部极值的函数仿真过程:(1)初始化种群数目NP=50,染色体二进制编码长度L=20,最大进化代数G=100,交叉概率Pc=0.8,变异概率Pm=0.1(2)产生初始种群,将二进制编码转化成十进制,计算个体适应度值,并进行归一化:采用基于【轮盘赌】的选择操作、基于概率的交叉和变异操作,产生新的种群,并把历代的最优个体保留在新的种群中,进行下一步遗传操作。(3)判断原创 2021-09-16 22:41:29 · 8546 阅读 · 11 评论 -
遗传算法基本概念
a原创 2021-09-16 17:27:17 · 931 阅读 · 1 评论