遗传01作业.doc

作业说明：1 智能优化算法任选，停机条件采用达到最大进化代数时停止。2 对每个问题分别独立运行30次，列表提供30次中得到的最好目标函数值、最差目标函数值、平均目标函数值以及标准方差。3 打印程序代码和30次运行中运行结果最好的一次结果，结果包括最好解，最好值，以及收敛曲线图。1 全局优化问题 编程求解下面函数：Generalized Griewank Function的全局最小解及最小值。（已知全局最小值为0）， ，i=1,2,.,30解：调用matlab工具箱function f=lbw(x)if x(1)600|x(2)600|x(3)600|x(4)600|x(5)600|x(6)600|x(7)600|x(8)600|x(9)600|x(10)600|x(11)600|x(12)600|x(13)600|x(14)600|x(15)600|x(16)600|x(17)600|x(18)600|x(19)600|x(20)600|x(21)600|x(22)600|x(23)600|x(24)600|x(25)600|x(26)600|x(27)600|x(28)600|x(29)600|x(30)600 f=inf;else al=1; for i=1:1:30 al=al*cos(x(i)/sqrt(i); end f=sum(x.*x)/4000-al+1;end并在命令窗口键入：options=gaoptimset(Generations,800,StallGenLimit,800,PlotFcns,gaplotbestf);x,f=ga(lbw,30,options)得到运行结果：命令窗口的结果：Optimization terminated: maximum number of generations exceeded.x = Columns 1 through 8 -0.0056 0.0037 -0.0070 0.0034 0.0056 0.0087 -0.0076 -0.0010 Columns 9 through 16 -0.0306 -0.0142 -0.0524 0.0216 0.0091 0.0035 0.0306 -0.0112 Columns 17 through 24 0.0172 0.0059 0.0233 0.0323 0.0150 -0.0442 0.0008 0.0414 Columns 25 through 30 -0.0241 0.0263 -0.0257 -0.0093 -0.0001 -0.0173f = 1.1433e-04可见运行的最小值为：1.1433e-04运行30次，得表：123456789104.6961e-042.2880e-041.1433e-041.3317e-042.1139e-042.8220e-042.2413e-042.7326e-041.2244e-042.1655e-04111213141516171819202.0609e-043.6561e-041.6317e-041.9312e-044.0926e-041.6327e-042.2613e-042.6061e-041.7317e-042.3665e-04212223242526272829302.6418e-042.3435e-042.0745e-042.2710e-042.2645e-041.7397e-042.1609e-041.4045e-042.4413e-042.4854e-042 约束优化问题焊接桁条设计问题（Design of a Welded Beam）该问题是在满足剪应力（），桁条弯曲压力（），桁条变形载重（），桁条的末端变形（），以及边界约束条件下，使得焊接桁条的费用最小的设计问题。4个连续设计变量，分别对应图1中的，。该设计问题可建模成如下的约束优化问题： 图1 焊接桁条结构示意图Minimize subject to ， ， ， ， 其中，。（已知全局最优值为1.7248523。）解法雷同，调用库函数：T=8000;P=800; options=gaoptimset(PopulationSize,200,Generations,T,StallGenLimit,P,PlotFcns,dgaplotbestf); x,f=ga(lbw2,4,options)代码：function f=lbw2(x)if x(1)2.0|x(2)10.0|x(3)10.0|x(4)2.0|x(1)x(4) f=inf;endE=30*106;G=12*106;L=14;P=6000;M=P*(L+x(2)/2);R=sqrt(x(2)*x(2)/4+(x(1)+x(3)/2)2);J=2*sqrt(2)*x(1)*x(2)*(x(2)*x(2)/12+(x(1)+x(3)/2)2);tt=P/(sqrt(2)*x(1)*x(2);ttt=M*R/J;t=sqrt(tt*tt+2*tt*ttt*x(2)/2/R+ttt*ttt);xi=6*P*L/(x(4)*x(3)*x(3);deta=4*P*L*L*L/(E*(x(3)3)*x(4);Pc=(4.013*E*sqrt(x(3)*x(3)*(x(4)6)/36)/(L*L)*(1-x(3)*sqrt(E/4/G)/(2*L);if 0.10471*(x(1)2)+0.04811*x(3)*x(4)*(14.0+x(2)-5.00|0.125-x(1)0|PPc|t13600|xi30000|deta0.25 f=inf;else f=1.10471*x(1)*x(1)*x(2)+0.04811*x(3)*x(4)*(14.0+x(2);end另附：针对遗传算法，自己编写的例题，在0,31的区间上，用二进制编码的遗传算法求最大值：函数f(x)=x*x在0,31上，求最大值：% - - - CSDN% clear all;M=80; %T=30; %Pc=0.5; %Pm=0.002 ; %a=0; %b=31; %accuracy=10(-3); %len=5; %len=fix(log2(b-a)/accuracy)+1; % %population=round(rand(M,len); % %for count=1:1:T%value=zeros(1,M);for i=1:1:M for j=1:1:len value(i)=value(i)+population(i,j)*2(len-j); endendvalue=a+(b-a)*value/(2len-1) % %=13 24 8 19; %()population; %=0 1 1 0 1;1 1 0 0 0;0 1 0 0 0;1 0 0 1 1%fitness=zeros(1,M);F=value.*value;fitness=F; %Frecord(T)=max(fitness);%p=0;q=0;for i=1:1:M p(i)=fitness(i)/sum(fitness); q(i)=sum(p);endp ; %q;choose=rand(1,M);population_choose_result=zeros(M,len); %for i=1:1:M if choose(i)q(h-1)&(choose(i)=q(h) population_choose_result(i,:)=population(h,:); break; end end endendpopulation_choose_result; %population_choose_result; value_temp=zeros(1,M);for i=1:1:M for j=1:1:len value_temp(i)=value_temp(i)+population_choose_result(i,j)*2(len-j); endendvalue_temp=a+(b-a)*value_temp/(2len-1) % %for i=1:1:M/2 %round(M*Pc) find=ceil(M*(rand()/2+0.5); % find_positition=ceil(len*rand(); % % temp=0; for j=find_positition:1:len temp=population_choose_result(i,j); population_choose_result(i,j)=population_choose_result(find,j); population_choose_result(find,j)=temp; endendpopulation_choose_result; %population=population_choose_result; %variation=rand();if variationPm find=ceil(M*rand(); find_positition=ceil(len*rand(); % if population(fi