利用谢菲尔德大学MATLAB遗传算法工具箱求解一个函数的最小值

求f(x)=sin(x)/exp(x),x∈[3,6]的最小值

clc

clear all

close all

%%画出函数图像

figure(1);

hold on;%保存函数图像

lb=3;ub=6;%函数自变量取值范围为[3,6]

ezplot(‘sin(x)/exp(x)’,[lb,ub]);%画出函数曲线

xlabel(‘自变量x’)

ylabel(‘函数值y’)

%%遗传算法相关参数赋值

NIND=30;%种群的大小

PRECI=50;%种群个体的长度

MAXGEN=40;%终止遗传代数

GGAP=0.9;%代沟(上代与下代的重叠度)

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

Chrom=crtbp(NIND,PRECI);%调用crtbp函数创建任意离散随机种群

FieldD=[PRECI;lb;ub;1;0;1;1];%译码矩阵的区域描述,“1;0;1;1”依次表示“标准二进制编码;算数刻度;自变量左边界包含;自变量右边界包含”

%%优化过程

gen=0;%代数计数器

x=bs2rv(Chrom,FieldD);%初始种群从二进制转化为十进制

ObjV=sin(x)./exp(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(x)./exp(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

   %获取每代的最优解及其序号,Y为最优解,Num为个体的序号

   [y,Num]=min(ObjV);

   trace(1,gen)=x(Num);                            %记下每代的最优值

   trace(2,gen)=y;                               %记下每代的最优值

end

plot(trace(1,:),trace(2,:),’bo’);

grid on;

plot(x,ObjV,’b*’);

hold off

%%画出进化图

figure(2);

plot(1:MAXGEN,trace(2,:));

grid on

xlabel(‘遗传代数’)

ylabel(‘解值变化’)

besty=trace(2,end);

bestx=trace(1,end);

fprintf([‘最优解:\nx=’,num2str(bestx),’\ny=’,num2str(besty),’\n’])

    原文作者:遗传算法
    原文地址: https://blog.csdn.net/H2T0404/article/details/79886435
    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