遗传算法常用函数

最新推荐文章于 2024-05-19 10:00:00 发布

恂慕

最新推荐文章于 2024-05-19 10:00:00 发布

阅读量7.2k

点赞数 10

分类专栏：初学遗传算法文章标签：机器学习 matlab

本文链接：https://blog.csdn.net/zhangqimo/article/details/105292845

版权

初学同时被 2 个专栏收录

14 篇文章 6 订阅

订阅专栏

遗传算法

4 篇文章 4 订阅

订阅专栏

因为毕业论文的缘故，自己和导师说了句我学学GA和PSO之类的算法去优化一下……

哈哈哈，然后我就开始了我学智能算法的道路，谁让我菜呢…

这里推荐《MATLAB智能算法30个案例分析》，我以下博文中的代码和说明也是这本书里的。

先挖个坑，以后应该会更新关于海洋声速反演的相关算法。

首先是遗传算法的常用函数（默认会使用MATLAB的工具箱）

1. 创建种群函数——crtbp

功能：创建任意离散随机种群

调用格式：

① [Chrom,Lind,BaseV] = crtbp(Nind,Lind) %创建一个大小为Nind*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。

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

③ [Chrom,Lind,BaseV] = crtbp(Nind,Lind，Base) %创建一个大小为Nind*Lind的随矩阵，个体的各位的进制数由Base决定，这时输入参数Lind可省略（Base的列数即为Lind），即格式②。

看到这里…作为初学者的我，一脸懵逼。

Nind和Lind能够理解，反正是自己设置的参数，甚至可以理解为这个矩阵的行列数，但是加上Base之后，啥叫进制数啊，经过查资料觉得自己是傻子，就是2进制，10进制的意思，这里要注意，个体长度是多少，那Base这个矩阵就要有几列。

那就很简单了，举个粒子：

[Chrom,Lind,BaseV] = crtbp(5,10)
[Chrom,Lind,BaseV] = crtbp(5,10,[2 2 2 2 2 2 2 2 2 2]) %有10个2
[Chrom,Lind,BaseV] = crtbp(5,[2 2 2 2 2 2 2 2 2 2]) %同样10个2

得到的结果都是：

Chrom =
[
0 1 0 0 1 0 0 0 1 0
1 0 1 1 1 0 0 0 0 1
0 0 0 1 0 0 1 1 0 1
1 0 0 1 1 0 1 0 0 1
1 1 0 0 0 0 0 0 0 0
]

不要问我为什么Chrom是这样的，因为随机。而且从上例可知，crtbp默认是2进制，如果不是，需要在Base项中标记，且独立限制。

2. 适应度计算函数——ranking

功能：基于排序的适应度分配。（我也不知为什么书里要讲得这么专业，学术壁垒太可怕了）

调用格式：

① FitnV = ranking(ObjV) % 按照个体的目标值ObjV（列向量）有小到大的顺序对个体进行排序，并返回个体适应度FitnV的列向量。

② FitnV = ranking(ObjV,RFun)

%有三种情况：

% （1）若RFun是一个在[1,2]区间内的标量，则采用线性排序，这个标量指定选择的压差。

% （2）若RFun是一个具有两个参数的向量，则

% RFun（2）：指定排序方法，0为线性排序，1为非线性排序

% RFun（1）：对线性排序，标量指定的选择压差RFun（1）必须在[1,2]区间；对非线性排序，RFun（1）必须在[1,length(ObjV)-2]区间；如果为NAN，则RFun（1）假设为2。

③ FitnV = ranking(ObjV,RFun,SUBPOP)

% 若RFun是长度为length(ObjV)的向量，则它包含对每一行的适应度值计算。

%SUBPOP是一个任选参数，表明在ObjV中的子种群的数量。省略SUBPOP或SUBPOP为NAN，则SUBPOP=1。在ObjV指中的所有子种群大小必须相同。如果ranking被调用于多子种群，则ranking独立地对每个子种群执行。

我我我…又一次懵了

书上给出的例子是：

ObjV = [1;2;3;4;5;10;9;8;7;6]
(1) 使用线性排序和压差为2估算适应度
FitnV = ranking(ObjV)
FitnV = ranking(ObjV，[2,0])
FitnV = ranking(ObjV,[2,0],1) 

得到的运行结果都是
FitnV = 2.0000
        1.7778
        1.5556
        1.3333
        1.1111
        0
        0.2222
        0.4444
        0.6667
        0.8889

从例子里可以找出这几个规律：连续的数相对应的适应度的差值大概为0.2222；最小的数对应的适应度最大，同样，最大的数对应的适应度最小。

现在反推0.2222从哪来：大概率是0.2222222222，压差为2，2/9满足条件，那么也就是说，差值就是压差/（max-min）吗？

看第二个粒子…例子，调教过后的输入法已经把粒子放在第一位了吗hhh

(2) 使用RFun中的值估算适应度
RFun = [3;5;7;10;14;18;25;30;40;50];
FitnV = ranking(ObjV,RFun)
FitnV=
[
50 
40
30
25
18
3
5
7
10
14
]

这个例子是第三种情况了，即RFun是长度为length(ObjV)的向量，但是没有SUBPOP。

但是这个例子推翻了上面的猜想……

第三个例子呢

FitnV = ranking (ObjV,[2,1],2)
得到
FitnV = 
[
    2.0000
    1.2889
    0.8307
    0.5354
    0.3450
    0.3450
    0.5354
    0.8307
    1.2889
    2.0000
]

嗯？？？

这……又是为什么啊

要不…先放着，学到后面应该有解释…到时候来补充

3. 选择函数——select

功能：从种群中选择个体（高级函数）。

调用格式：

① SelCh = select(SEL_F,Chrom,FitnV) %SEL_F是一个字符串，包含一个低级函数选择名，如rws或sus。FitnV就是上面的个体适应度值，表明了每个个体被选择的预期概率

② SelCh = select(SEL_F,Chrom,FitnV,GGAP) %GGAP是可选参数，指出了代购部分种群被复制。如果GGAP省略或为NAN，则GGAP假设为1.0。

③ SelCh = select(SEL_F,Chrom,FitnV,GGAP,SUBPOP)

还行…迷迷糊糊的，先看例子。

Chrom = [1 11 21;2 12 22;3 13 23;4 14 24; 5 15 25;6 16 26;7 17 27;8 18 28]
FitnV = [1.50;1.35;1.21;1.07;0.92;0.78;0.64;0.5]
用随机遍历抽样方式（sus）选择8个个体：

SelCh = select('sus',Chrom,FitnV)
SelCh=
[
4 14 24
2 12 22
5 15 25
6 16 26
3 13 23
1 11 21
2 12 22
8 18 28
]

这个还挺好懂的，Chrom里是8行，随机选取再放入SelCh变量里的意思。

第二个例子是：

假设Chrom由两个子种群组成，通过轮盘赌选择函数sus对每个子种群选择150%的个体。

FitnV = [1.50;1.16;0.83;0.50;1.50;1.16;0.83;0.5];
SelCh = select('sus',Chrom,FitnV,1.5,2);

结果为：
SelCh = 
[
4 14 24 
1 11 21
2 12 22
3 13 23
2 12 22
1 11 21
7 17 27
6 16 26
5 15 25
8 18 28
5 15 25
6 16 26
]

这个也很好理解，Chrom中的个体有8个，现在假设有两个种群，也就是SUBPOP=2；在两个种群中选择出来150%的个体，也就是12，即GGAP=1.5；得到新的SelCh。

4. 交叉算子函数——recombin

功能：重组个体（高级函数）。

调用格式：
① NewChrom = recombin(REC_F,Chrom) %REC_F是一个包含低级重组函数名的字符串，例如recdis或xovsp。

② NewChrom = recombin(REC_F,Chrom,RecOpt) %RecOpt是一个指明交叉概率的任选参数，如省略或为NAN，将设为缺省值。

③ NewChrom = recombin(REC_F,Chrom,RecOpt,SUBPOP)

这个函数很好理解的，就不放例子了，就是种群中的个体重新排列。

5. 变异算子函数——mut

功能：离散变异算子

调用格式：NewChrom = mut (OldChrom,Pm，BaseV)

OldChrom为当前种群，Pm为变异概率（省略时为0.7/Lind），BaseV指明染色体个体元素的变异的基本字符（省略时种群为二进制编码）。

和上面的重组不同，重组的话，用二进制举例，0和1的数量是不会变，变的是位置；而变异的话，0会变成1,1会变成0。

也不放例子了。这里的变异应该是有进制约束的，就是二进制只能变成0或1,10进制只能在0-9里变。

6. 重插入函数——reins

功能：重插入子代到种群。

调用格式：

① Chrom = reins(Chrom,SleCh)

② Chrom = reins(Chrom,SleCh,SUBPOP)

③ Chrom = reins(Chrom,SleCh,SUBPOP,InsOpt,objVCh)

%InsOpt是一个最多有两个参数的任选向量。

%InsOpt(1)是一个标量，指明用子代代替父代的方法。0为均匀选择，子代代替父代使用均匀随机选择。1为基于适应度的选择，子代代替父代中适应度最小的个体。如果省略InsOpt(1)或InsOpt(1)为NAN，则假设为0。

%InsOpt(2)是一个在[0,1]区间的标量，表示每个子种群中重插入的子代个体在整个子种群中个体的比率。如果InsOpt(2)省略或为NAN，则假设InsOpt(2) = 1.0。

④ [Chrom,ObjCVh] = reins(Chrom,SleCh,SUBPOP,InsOpt,objVCh,objVSel)

% ObjVCh是一个可选列向量，包括Chrom中个体的目标值。对基于适应度的重插入，ObjVCh是必需的。

% ObjVSel是一个可选参数，包含SelCh中个体的目标值。如果子代的数量大于重插入种群中的子代数量，则ObjVSel是必需的。这种情况子代将按它们的适应度大小选择插入。

reins完成插入子代到当前种群，用子代代替父代并返回结果种群。Chrom为父代种群，SelCh为子代，每一行对应一个个体。

我个人觉得它和上面的变异就是遗传算法的核心了。就像达尔文的优胜劣汰一样，用最优的个体创造出最精确的预测。

看一下例子：

Chrom = crtbp(5,10) %父代
Chrom = 
[
0 1 1 1 1 0 0 1 1 0
1 1 0 0 0 0 1 1 1 1
1 1 0 0 1 0 0 0 0 0
1 1 0 0 1 0 1 0 0 0
0 1 0 0 1 1 1 0 0 0  
]
SelCh = crtbp(2,10) %子代
SelCh=
[
1 0 0 1 0 0 0 0 0 0 
1 1 1 1 1 0 1 0 0 1
]
Chrom = reins(Chrom,SelCh) %重插入
Chrom =
[
0 1 1 1 1 0 0 1 1 0
1 0 0 1 0 0 0 0 0 0
1 1 0 0 1 0 0 0 0 0
1 1 0 0 1 0 1 0 0 0
1 1 1 1 1 0 1 0 0 1
]

但是这里就有个疑问了，子代和父代都是随机生成，重插入所得的种群和父代是一样的，那么插入的规则是什么？上面例子中一个替换了第二行一个替换了第五行，暂时没有找到什么规律。

先欠着，以后再答。

7. 实用函数——bs2rv

功能：二进制到十进制的转换。

调用格式：Phen = bs2rv(Chrom,FieldD)

bs2rv根据译码矩阵FieldD将二进制串矩阵Chrom转换为实值向量，返回十进制的矩阵。

矩阵FieldD有如下结构：

FieldD =
[
len    %包含在Chrom中的每个字串的长度，注意，sum(len) = size(Chrom,2) 
lb     %变量的下界
ub     %变量的上界
code   %表明子串如何编码，1为标准二进制编码，0为格雷代码
scale  %表明每个子串所使用的刻度，0表示算术刻度，1表示对数刻度
lbin   %lbin和ubin指明表示范围中是否包含边界。0表示不包含边界，1表示包含边界。
ubin
]

其他的算是能懂，就是有些疑问：1. 这里的组成部分可以省略吗 2. 变量上下界是一开始就自己设定吧 3. lbin和ubin是两个不同的参数，那么，到底代表什么边界呢。

看看例子：

Chrom = crtbp(4,8)
得
Chrom = 
[
1 0 1 0 1 0 1 1
0 0 1 0 0 1 1 1
1 1 1 1 1 0 1 1
1 0 0 1 0 1 0 0
]

FieldD = [size(Chrom,2);-1;10;1;0;1;1]; %包含边界
Phen = bs2rv(Chrom,FieldD)              %转换二进制到十进制
得
Phen = 
[
7.8431
1.5020
6.4627
8.9647
]

这里表示的是下界-1，上界10的变量，注明标准的二进制编码，算术刻度，但…我还是不知道这个边界到底是什么。

同样欠着hhh

8. 实用函数——rep

功能：矩阵复制。

调用格式：MatOut = rep(MatIn,REPN)

函数rep完成矩阵MatIn的复制，REPN指明复制次数，返回复制后的矩阵MatOut。REPN包含每个方向复制的次数，REPN(1)表示纵向复制次数，REPN(2)表示水平方向复制次数。

这个挺简单的，但是REPN(1)和REPN(2)大概是猜测的，那直接看代码：

MatIn = [1 2 3 4;5 6 7 8]
得
MatIn = 
[
1 2 3 4
5 6 7 8
]

MatOut = rep(MatIn,[1,2])
得
MatOut=
[
1 2 3 4 1 2 3 4
5 6 7 8 5 6 7 8
]

MatOut=rep(MatIn,[2,1])
得
MatOut=
[
1 2 3 4
5 6 7 8
1 2 3 4
5 6 7 8
]

MatOut = rep(MatIn,[2,3])
得
MatOut = 
[
1 2 3 4 1 2 3 4 1 2 3 4
5 6 7 8 5 6 7 8 5 6 7 8
1 2 3 4 1 2 3 4 1 2 3 4
5 6 7 8 5 6 7 8 5 6 7 8
]

好了，以上就是遗传算法的常用函数了

欠了好多坑啊哈哈哈哈，会一一补上的。

恂慕

关注

10
点赞
踩
81

收藏

觉得还不错? 一键收藏
2
评论
遗传算法常用函数

因为毕业论文的缘故，自己和导师说了句我学学GA和PSO之类的算法去优化一下……哈哈哈，然后我就开始了我学智能算法的道路，谁让我菜呢…这里推荐《MATLAB智能算法30个案例分析》，我以下博文中的代码和说明也是这本书里的。先挖个坑，以后应该会更新关于海洋声速反演的相关算法。首先是遗传算法的常用函数（默认会使用MATLAB的工具箱）1. 创建种群函数——crtbp功能：创建任意...
复制链接

扫一扫