遗传算法MATLAB工具包简介

 下面介绍的函数都是Sheriffed大学遗传算法工具包内的常用函数

  • 复制矩阵
B=rep(A,RepN)

A表示要被复制的矩阵,RepN包含每个方向的复制次数,RepN(1)代表纵向复制次数,RepN(2)代表横向复制次数
比如

A=[1,2;3,4];
B=rep(A,[1,2])
B=[1,2,1,2
   3,4,3,4] 

如果是

B=rep(A,[2,1])
B=[1,2
   3,4
   1,2
   3,4]

=-= 教材里介绍了这个,但之后没有用到哎……

  • 创造种群
Chrom=crtbp(n,b)

n代表染色体个数,b代表二进制数的位数(可以理解为基因数)

  • 二进制转十进制数
bs2rv(Chrom,Field)

Field是个矩阵,有如下参数

Field=[b;lowerbound;upperbound;code;scale;lbin;ubin]

各个参数的意义如下:
 b代表二进制数串的长度,后面那俩表示原来十进制数的上下界
 code代表编码方式,1表示二进制编码
 scale表示每个串的刻度,0代表算数刻度,1代表对数刻度
 lbin和ubin表示参数的取值是否包括边界,0表示不包括,1表示包括

 bs2rv(Chrom,Field)返回的是个列向量,其中每行就是原来Chrom里每行对应的十进制数

  • 计算适应度值
FitnV=ranking(ObjV)

 ObjV是定义好的目标函数
 老实讲,我没搞懂它这个ranking的返回值是什么意思。但就把它当做可以计算出各个染色体的适应值,并表明他们被传递到下一代的概率为多少的函数吧
 就是执行算出我笔记中那张表的函数?
这里需要强调一点。ranking默认的是求最小,如果你要求的问题是最大,那就写成ranking(-ObjV)
+ 根据适应度值通过选择来得到新种群

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

 SEL_FeL_是个字符串,表明调用的选择函数,可以用rws(轮盘选择)或者sus(随机遍历采样)
 GGAP代表这一代传到下一代的概率,就是新种群中的个体数为现在的几分之几
 =-= 既然咱看的教程是拿rws讲的,那就用rws来搞

  • 令新种群进行交配
SelCh = recombin(REC_F,SelCh,px)

 REC_F是个字符串,是指定交配的方式,可以用recdis或xovsp函数
 px代表交配概率,可能就是教程里指的那个概率吧
 recdis代表离散重组,xovsp是单点交叉
 感觉xovsp跟之前原理中的交配方式有点像?

  • 令新种群进行变异
SelCh = mut(SelCh,pm)

 pm代表变异概率,如果直接用Selch = mut(SelCh),它会被设为缺省值0.7

  • 子代插入父代
     呃…………这个,可以理解为是父代便当了一部分,子代出生了一部分,这个操作代表的就是在子代出生父代便当后的新子群,它是把子代中的一部分和父代中的一部分混合了。混合完后得到的种群染色体总数是不变的
[Chrom,ObjVCh] = reins(Chrom, SelCh,SUBPOP,InsOpt,ObjVCh,ObjVSel)

 里面各个参数意义如下:
 Chrom是父代,SelCh是子代
 SUBPOP一般作为1,指明Chrom和SelCh中子种群的个数
 InsOpt是一个最多有俩参数的向量,Insopt(1)如果是0,代表子代代替父代使用均匀随机选择,Insopts(1)如果是1,代表子代代替父代是基于适应度选择,子代代替父代中适应度最小的个体
 Insopt(2)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,如果没写,默认为1
 ObjVCh代表Chrom里个体的目标值,ObjVSel代表SelCh中的目标值,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

值得注意的是,如果是多变量的最优化问题,那在初始化种群时虽然是把俩变量对应的基因拼在一起初始化的,但在转化为二进制,计算适应度函数时,都是分开来算的。看下面两段代码

%求sin(10*pi*X)/X的最小值
lb=1;ub=2; %函数自变量范围【1,2】
ezplot('sin(10*pi*X)/X',[lb,ub]);   %画出函数曲线
xlabel('自变量/X')
ylabel('函数值/Y')
%% 定义遗传算法参数
NIND=40;        %个体数目
MAXGEN=20;      %最大遗传代数
PRECI=20;       %变量的二进制位数
GGAP=0.95;      %代沟
px=0.7;         %交叉概率
pm=0.01;        %变异概率
trace=zeros(2,MAXGEN);                        %寻优结果的初始值
FieldD=[PRECI;lb;ub;1;0;1;1];                      %区域描述器
Chrom=crtbp(NIND,PRECI);                      %初始种群
%% 优化
gen=0;                                  %代计数器
X=bs2rv(Chrom,FieldD);                 %计算初始种群的十进制转换
ObjV=sin(10*pi*X)./X;        %计算目标函数值
while gen<MAXGEN
   FitnV=ranking(ObjV);                               %分配适应度值
   SelCh=select('sus',Chrom,FitnV,GGAP);              %选择
   SelCh=recombin('xovsp',SelCh,px);                  %重组
   SelCh=mut(SelCh,pm);                               %变异
   X=bs2rv(SelCh,FieldD);               %子代个体的十进制转换
   ObjVSel=sin(10*pi*X)./X;             %计算子代的目标函数值
   [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代,得到新种群
   X=bs2rv(Chrom,FieldD);
   gen=gen+1;                                             %代计数器增加

   [Y,I]=min(ObjV);     %Y是ObjV里最小的值,I是表示它是第几个,这样就可以找出使Y最小的X
   trace(1,gen)=X(I);                            %记下每代最优值对应的X
   trace(2,gen)=Y;                               %记下每代目标函数的最优值
end

对于下面这段代码,需要强调这么一点:
它这个工具包是默认求ObjV的最小值的,如果你要求最大值,那么在ranking时就应该按照-ObjV来分配适应度值,筛选染色体
这样筛选出来的染色体是能让ObjV取最大值的染色体,所以在获取最优解参数时,是用 [Y,I]=max(ObjV); 而不是 [Y,I]=min(ObjV);

%求y*sin(2*pi*x)+x*cos(2*pi*y)的最大值

lbx=-2;ubx=2; %函数自变量x范围【-2,2】
lby=-2;uby=2; %函数自变量y范围【-2,2】
ezmesh('y*sin(2*pi*x)+x*cos(2*pi*y)',[lbx,ubx,lby,uby],50);   %画出函数曲线
hold on;
%% 定义遗传算法参数
NIND=40;        %个体数目
MAXGEN=50;      %最大遗传代数
PRECI=20;       %变量的二进制位数
GGAP=0.95;      %代沟
px=0.7;         %交叉概率
pm=0.01;        %变异概率
trace=zeros(3,MAXGEN);                        %寻优结果的初始值
FieldD=[PRECI PRECI;lbx lby;ubx uby;1 1;0 0;1 1;1 1];                      %区域描述器
Chrom=crtbp(NIND,PRECI*2);                      %初始种群
%% 优化
gen=0;                                  %代计数器
XY=bs2rv(Chrom,FieldD);                 %计算初始种群的十进制转换
X=XY(:,1);Y=XY(:,2);
ObjV=Y.*sin(2*pi*X)+X.*cos(2*pi*Y);        %计算目标函数值
while gen<MAXGEN
   FitnV=ranking(-ObjV);                              %分配适应度值
   SelCh=select('sus',Chrom,FitnV,GGAP);              %选择
   SelCh=recombin('xovsp',SelCh,px);                  %重组
   SelCh=mut(SelCh,pm);                               %变异
   XY=bs2rv(SelCh,FieldD);               %子代个体的十进制转换
   X=XY(:,1);Y=XY(:,2);
   ObjVSel=Y.*sin(2*pi*X)+X.*cos(2*pi*Y);             %计算子代的目标函数值
   [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代,得到新种群
   XY=bs2rv(Chrom,FieldD);
   gen=gen+1;                                             %代计数器增加
   %获取每代的最优解及其序号,Y为最优解,I为个体的序号
   [Y,I]=max(ObjV);
   trace(1:2,gen)=XY(I,:);                       %记下每代的最优值
   trace(3,gen)=Y;                               %记下每代的最优值
end
    原文作者:遗传算法
    原文地址: https://blog.csdn.net/ycxyj/article/details/54410136
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞