遗传算法 matlab（Matlab遗传算法问题）

本文目录

• Matlab遗传算法问题
• MATLAB遗传算法
• matlab上的遗传算法函数优化
• 在matlab中如何用遗传算法求极值
• matlab遗传算法怎么输入参数
• matlab遗传算法可以用于什么计算
• 如何用matlab遗传算法编程

Matlab遗传算法问题

function ret=Code(lenchrom,bound)%本函数将变量编码成染色体，用于随机初始化一个种群% lenchrom input : 染色体长度% bound input : 变量的取值范围% ret output: 染色体的编码值flag=0;while flag==0 pick=rand(1,length(lenchrom)); ret=bound(:,1)’+(bound(:,2)-bound(:,1))’.*pick; %线性插值 flag=test(lenchrom,bound,ret); %检验染色体的可行性endfunction ret=Cross(pcross,lenchrom,chrom,sizepop,bound)%本函数完成交叉操作% pcorss input : 交叉概率% lenchrom input : 染色体的长度% chrom input : 染色体群% sizepop input : 种群规模% ret output : 交叉后的染色体for i=1:sizepop % 随机选择两个染色体进行交叉 pick=rand(1,2); while prod(pick)==0 pick=rand(1,2); end index=ceil(pick.*sizepop); % 交叉概率决定是否进行交叉 pick=rand; while pick==0 pick=rand; end if pick》pcross continue; end flag=0; while flag==0 % 随机选择交叉位置 pick=rand; while pick==0 pick=rand; end pos=ceil(pick.*sum(lenchrom)); %随机选择进行交叉的位置，即选择第几个变量进行交叉，注意：两个染色体交叉的位置相同 pick=rand; %交叉开始 v1=chrom(index(1),pos); v2=chrom(index(2),pos); chrom(index(1),pos)=pick*v2+(1-pick)*v1; chrom(index(2),pos)=pick*v1+(1-pick)*v2; %交叉结束 flag1=test(lenchrom,bound,chrom(index(1),:)); %检验染色体1的可行性 flag2=test(lenchrom,bound,chrom(index(2),:)); %检验染色体2的可行性 if flag1*flag2==0 flag=0; else flag=1; end %如果两个染色体不是都可行，则重新交叉 endendret=chrom; clc clear all% warning off%% 遗传算法参数maxgen=50; %进化代数sizepop=100; %种群规模pcross=);

MATLAB遗传算法

function ret=Code(lenchrom,bound)%本函数将变量编码成染色体，用于随机初始化一个种群% lenchrom input : 染色体长度% bound input : 变量的取值范围% ret output: 染色体的编码值flag=0;while flag==0 pick=rand(1,length(lenchrom)); ret=bound(:,1)’+(bound(:,2)-bound(:,1))’.*pick; %线性插值 flag=test(lenchrom,bound,ret); %检验染色体的可行性endfunction ret=Cross(pcross,lenchrom,chrom,sizepop,bound)%本函数完成交叉操作% pcorss input : 交叉概率% lenchrom input : 染色体的长度% chrom input : 染色体群% sizepop input : 种群规模% ret output : 交叉后的染色体for i=1:sizepop % 随机选择两个染色体进行交叉 pick=rand(1,2); while prod(pick)==0 pick=rand(1,2); end index=ceil(pick.*sizepop); % 交叉概率决定是否进行交叉 pick=rand; while pick==0 pick=rand; end if pick》pcross continue; end flag=0; while flag==0 % 随机选择交叉位置 pick=rand; while pick==0 pick=rand; end pos=ceil(pick.*sum(lenchrom)); %随机选择进行交叉的位置，即选择第几个变量进行交叉，注意：两个染色体交叉的位置相同 pick=rand; %交叉开始 v1=chrom(index(1),pos); v2=chrom(index(2),pos); chrom(index(1),pos)=pick*v2+(1-pick)*v1; chrom(index(2),pos)=pick*v1+(1-pick)*v2; %交叉结束 flag1=test(lenchrom,bound,chrom(index(1),:)); %检验染色体1的可行性 flag2=test(lenchrom,bound,chrom(index(2),:)); %检验染色体2的可行性 if flag1*flag2==0 flag=0; else flag=1; end %如果两个染色体不是都可行，则重新交叉 endendret=chrom; clc clear all% warning off%% 遗传算法参数maxgen=50; %进化代数sizepop=100; %种群规模pcross=);

matlab上的遗传算法函数优化

用ga函数，ga函数就是遗传算法的函数，它的调用格式为：x=ga(fitnessfcn,nvars,a,b,aeq,beq,lb,ub,nonlcon,options)fitnessfcn就是待优化函数，nvars为变量个数，然后后面的lb是下界，ub是上界，你这个问题就需要这4个位置的参数，其他位置的参数用代替就行，由于ga函数默认是求待优化函数的最小值，所以要想求最大值需要把待优化函数取负，即编写为functiony=myfun(x)y=-x.*sin(10*pi.*x)-2;把这个函数存为myfun.m，然后在命令行里敲x=ga(@myfun,1,,,,,,)会返回optimizationterminated:averagechangeinthefitnessvaluelessthanoptions.tolfun.x=1.8506由于遗传算法的原理其实是在取值范围内随机选择初值然后进行遗传，所以可能每次运行给出的值都不一样，比如再运行一次会返回optimizationterminated:averagechangeinthefitnessvaluelessthanoptions.tolfun.x=1.6507这个具体原因需要参考遗传算法的有关资料

在matlab中如何用遗传算法求极值

matlab有遗传算法工具箱。核心函数：(1)function )evalops是传递给适应度函数的参数，opts是二进制编码的精度，termops是选择maxGenTerm结束函数时传递个maxGenTerm的参数，即遗传代数。xoverops是传递给交叉函数的参数。mutops是传递给变异函数的参数。

matlab遗传算法怎么输入参数

遗传算法工具箱的函数GA基本调用格式如下：X=GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub)其中前两个参数分别是适应度函数和变量个数，第三、四个参数（A和b）即为线性不等式约束。你现在需要做的是，增加几个线性约束条件：x1《x2x2《x3x3《x4x4《x5不过，有个问题，遗传算法等优化工具对不等式约束的要求，都必须是闭集（带等号的不等式），也就是说，要的是类似下面这样的约束：x1《=x2x2《=x3x3《=x4x4《=x5

matlab遗传算法可以用于什么计算

一般求最优解，比如最优规划，多目标规划等等，常规的遗传算法是很少用的往往与神经网络结合，求出最优的阈值和权重，然后用BP去拟合多种群的遗传算法可以很好解决常规遗传算法早熟收敛问题，用得更多比较新的是和退火算法结合，但要自己编写程序matlab的遗传算法可以用自带的工具箱，可以用谢尔菲德大学的工具箱

如何用matlab遗传算法编程

有两种方法，一种是用matlab自带的遗传算法工具箱；还有一种是自己编写遗传算法解决问题。第二种方法的话，网上可以找到很多遗传算法的matlab代码，我也可以提供。第一种的话，有一定的局限性。