matlab遗传算法学习和全局化算法精品毕业设计完整版Word文档格式.docx
《matlab遗传算法学习和全局化算法精品毕业设计完整版Word文档格式.docx》由会员分享，可在线阅读，更多相关《matlab遗传算法学习和全局化算法精品毕业设计完整版Word文档格式.docx（22页珍藏版）》请在冰豆网上搜索。
2ga函数。
[X,F,FLAG,OUTPUT]=GA（fun,n,opts）.n为自变量个数，opts为遗传算法控制选项，用gaoptimset（）函数设置各种选项，InitialPopulation可以设置初始种群，用PopulationSize可以设置种群规模，SelectionFcn可以定义选择函数，
3gatool函数用于打开，GATOOLisnowincludedinOPTIMTOOL。
2.2通过GUI使用遗传算法
在Matlab工作窗口键入下列命令>
>
gatool，或通过Start打开其下子菜单GeneticAlgorithmTool，如图1。
只要在相应的窗格选择相应的选项便可进行遗传算法的计算。
其中fitnessfun窗格为适应度函数，填写形式为@fitnessfun，Numberofvariable窗格为变量个数。
其它窗格参数根据情况填入。
填好各窗格内容，单击Start按钮，便可运行遗传算法
例子1应用实例
已知某一生物的总量y（单位：
万个）与时间t（月）之间的关系为y=k0（1-exp（-k1*t）），
统计十个月得到数据见表1，试求关系式中的k0，k1。
先编写目标函数，并以文件名myfung.m存盘。
functiony=myfung（x）
TOT=[2.05673.69044.98816.01896.83717.48818.00478.41518.74119.0000];
t=1:
10;
[r,s]=size（TOT）;
y=0;
fori=1:
s
y=y+（TOT（i）-x（:
1）*（1-exp（-x（:
2）*t（i））））^2%最小估计原则
end
打开遗传算法的GUI，在Fitnessfunction窗格中输入@myfung，在Numberofvariables窗格中输入数字2，在Stoppingcriteria选项中设置generations为300，fitnesslimit为0.001，stallgenerations为100，其它参数为缺省值，然后单击Start运行遗传算法得到k0=9.99559，k1=0.23018，即
例子2
2matlab7GA工具箱_木子一车（转载）
例子1求
的最大值；
也就是求负函数的最小值
最大值为-38.8503,在点xmin=[11.62555.7250];
clear
f=@（x1,x2）（-（21.5+x1.*sin（4*pi*x1）+x2.*sin（20*pi*x2）））
t1=-3:
0.1:
12.1;
t2=4:
1.8/（length（t1）-1）:
5.8;
[x,y]=meshgrid（t1,t2）;
mesh（x,y,f（x,y））
方法1遗传算法
f=@（x）-（21.5+x
（1）*sin（4*pi*x
（1））+x
（2）*sin（20*pi*x
（2）））;
opt1=gaoptimset;
opt1.PopInitRange=[[-3.04.1];
[12.15.8]];
opt1.PopulationSize=1000;
opt1.MutationFcn=@mutationuniform;
[x,fval]=ga（f,2,opt1）
[x,fval]=ga（f,2,[],[],[],[],[-3.0;
4.1],[12.1;
5.8]）;
方法2gatool的用法
在matlab7命令行输入gatool，见附图。
在PopulationSize=10000;
请注意Mutation函数的选择。
f（x1*,x2*）=-my_func1（x1*,x2*）=38.84741978236206,
wherex1*=11.62378;
x2*=5.72501
方法3全局优化算法
gs=GlobalSearch（'
Display'
'
iter'
）;
opts=optimset（'
Algorithm'
interior-point'
problem=createOptimProblem（'
fmincon'
objective'
f,'
x0'
[1/21/3],'
lb'
[-34.1],'
ub'
[12.15.8],'
options'
opts）;
[xming,fming,flagg,outptg,manyminsg]=run（gs,problem）
方法4multistart方法
ms=MultiStart（'
TolFun'
1e-10,'
TolX'
1e-10）;
opts=optimset（'
'
problem=createOptimProblem（'
[0,0],'
[-3,4.1],'
[12.1,5.8],'
[xminm,fminm,flagm,outptm,someminsm]=run（ms,problem,300）;
%stpoints=RandomStartPointSet;
%默认产生10个起始点
此方法得不到最优解；
查看局部解的分布范围enterhist（[someminsm.Fval]）.
方法4.1对上个方法的改进；
首先根据上个方法搜索的最佳点，取现在的方法的搜索范围为上个最优解的周围区域，缩小搜索范围
ms=MultiStart;
f=@（x）（-（21.5+x
（1）.*sin（4*pi*x
（1））+x
（2）.*sin（20*pi*x
（2））））;
[12,5],'
[10,4],'
[xminm,fminm,flagm,outptm,manyminsm]=run（ms,problem,200）
xminm=11.62555.7250
fminm=-38.8503
flagm=1
outptm=funcCount:
8660
localSolverTotal:
200
localSolverSuccess:
localSolverIncomplete:
0
localSolverNoSolution:
message:
[1x129char]
manyminsm=1x78GlobalOptimSolution
Properties:
X
Fval
Exitflag
Output
X0
方法4.2
pts=-4*rand（200,2）+13*rand（200,2）;
tpoints=CustomStartPointSet（pts）;
rpts=RandomStartPointSet（'
NumStartPoints'
200）;
allpts={tpoints,rpts};
LargeScale'
off'
[12.1,5.6],'
[9,4],'
[xmin,fmin,flag,outpt,allmins]=run（ms,problem,allpts）
3【问题】求f（x）=x+10*sin（5x）+7*cos（4x）的最大值，其中0<
=x<
=9
f=@（x）-（x+10*sin（5*x）+7*cos（4*x））;
fplot（f,[09]）;
[x,fv]=ga（f,[0;
9]）
options=gaoptimset（'
PopulationSize'
100）
[xfval]=ga（@fitnessfun,nvars,[],[],[],[],[],[lb],[ub],options）;
x=ga（fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options）;
nvars为变量数目，
5全局化算法（GlobalSearch）
5.1createOptimProblem
solverName'
ParameterName'
ParameterValue,...）
ParameterName/ValuePairs
Aeq
Matrixforlinearequalityconstraints.Theconstraintshavetheform:
Aeqx
=
beq
Aineq
Matrixforlinearinequalityconstraints.Theconstraintshavetheform:
Aineqx
≤
bineq
Vectorforlinearequalityconstraints.Theconstraintshavetheform:
Vector
升级会员 