遗传算法实验六ppt课件

.,Matlab遗传算法工具箱应用举例,.,5.1简单一元函数优化实例,.,程序简化代码如下：NIND=40;%定义个体数目MAXGEN=25;%定义最大遗传代数PRECI=20;%编码长度GGAP=0.9;%代沟FieldD=20;-1;2;1;0;1;1;%区域描述器Chrom=crtbp(NIND,PRECI);%产生初始种群gen=0;%代计数器variable=bs2rv(Chrom,FieldD);%初始种群的十进制转换ObjV=variable.*sin(10*pi*variable)+2.0;%计算初始种群目标函数值whilegenMAXGEN+1FitnV=ranking(-ObjV);%分配适应度值SelCh=select(sus,Chrom,FitnV,GGAP);%选择SelCh=recombin(xovsp,SelCh,0.7);%重组SelCh=mut(SelCh);%变异variable=bs2rv(SelCh,FieldD);%子代个体的十进制转换ObjVSel=variable.*sin(10*pi*variable)+2.0;%计算子代的目标函数值ChromObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);%重插入子代到种群Y=max(ObjV)%当前种群最优解gen=gen+1;%代计数器增加end,.,figure(1);%画出函数曲线fplot(variable.*sin(10*pi*variable)+2.0,-1,2);%定义遗传算法参数NIND=40;%群体中个体数目MAXGEN=25;%最大遗传代数PRECI=20;%变量的二进制位数,具有性能跟踪和图像输出功能的程序代码,.,%代沟GGAP=0.9;%寻优结果的初始值trace=zeros(2,MAXGEN);%建立区域描述器FieldD=20;-1;2;1;0;1;1;%生成初始种群Chrom=crtbp(NIND,PRECI);,具有性能跟踪和图像输出功能的程序代码,.,%代计数器gen=0;%计算初始种群的十进制转换variable=bs2rv(Chrom,FieldD);%计算目标函数值ObjV=variable.*sin(10*pi*variable)+2.0;,具有性能跟踪和图像输出功能的程序代码,.,whilegenMatIn=123MatIn=123REPN=12REPN=12MatOut=rep(MatIn,REPN)MatOut=123123,程序中的函数说明,.,例如：MatIn=123MatIn=123REPN=21REPN=21MatOut=rep(MatIn,REPN)MatOut=123123,程序中的函数说明,.,例如：MatIn=123MatIn=123REPN=32REPN=32MatOut=rep(MatIn,REPN)MatOut=123123123123123123,程序中的函数说明,.,具有性能跟的程序代码如下：%定义遗传算法参数NIND=40;%个体数目MAXGEN=500;%最大遗传代数NVAR=20;%变量的维数PRECI=20;%编码长度GGAP=0.9;%代沟trace=zeros(MAXGEN,2);%建立区域描述器FieldD=rep(PRECI,1,NVAR);rep(-512;512,1,NVAR);rep(1;0;1;1,1,NVAR);%创建初始种群Chrom=crtbp(NIND,NVAR*PRECI);%代计数器gen=0;%计算初始种群个体的目标函数值ObjV=objfun1(bs2rv(Chrom,FieldD);,.,whilegenMAXGEN%迭代FitnV=ranking(ObjV);%分配适应度值SelCh=select(sus,Chrom,FitnV,GGAP);%选择SelCh=recombin(xovsp,SelCh,0.7);%重组SelCh=mut(SelCh);%变异%计算子代目标函数值ObjVSel=objfun1(bs2rv(SelCh,FieldD);%重插入ChromObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);%代计数器增加gen=gen+1;%遗传算法性能跟踪trace(gen,1)=min(ObjV);trace(gen,2)=sum(ObjV)/length(ObjV);end,.,plot(trace(:,1);holdon;plot(trace(:,2),-.);grid;legend(种群均值的变化,解的变化)%输出最优解及其对应的20个自变量的十进制值,Y为最优解,%I为种群的序号Y,I=min(ObjV)X=bs2rv(Chrom,FieldD);X(I,:),.,functionObjVal=objfun1(Chrom,switch1);%目标函数OBJFUN1.M%调用格式:ObjVal=objfun1(Chrom,switch1)%输入参数:%Chrom-当前种群%switch1-如果Chrom=则switch1=1%并返回边界；如果switch1=2则返回标题；%如果switch1=3则返回全局最小值%输出变量：%ObjVal-各个体的目标函数值,目标函数,.,ifNind=0ifswitch1=2ObjVal=DEJONGfunction1-int2str(Dim);elseifswitch1=3ObjVal=0;elseObjVal=100*-5.12;5.12;ObjVal=ObjVal(1:2,ones(Dim,1);endelseifNvar=DimObjVal=sum(Chrom.*Chrom);elseerror(sizeofmatrixChromisnotcorrectforfunctionevaluation);end,.,.,程序运行所求得的最优解为：y=1.0320,.,5.3多元多峰函数优化实例,.,Shubert函数的图像为,.,目标函数,functionz=shubert(x,y)z=(1*cos(1+1)*x+1)+(2*cos(2+1)*x+2)+(3*cos(3+1)*x+3)+(4*cos(4+1)*x+4)+(5*cos(5+1)*x+5).*(1*cos(1+1)*y+1)+(2*cos(2+1)*y+2)+(3*cos(3+1)*y+3)+(4*cos(4+1)*y+4)+(5*cos(5+1)*y+5);,.,1、将绘图区域划分为矩形网格MESHGRID功能：将向量x,y指定的区域转化为矩形X，Y调用格式：X,Y=MESHGRID(x,y)2、3维图形输出函数SURF(X,Y,Z)着色表面图MESH(X,Y,Z)网线图例如：X,Y=meshgrid(-2:.2:2,-2:.2:2);Z=X.*exp(-X.2-Y.2);surf(X,Y,Z);MESH(X,Y,Z);,程序中的函数说明,.,.,.,程序代码如下：x1,x2=meshgrid(-10:.1:10);%画出Shubert函数图像figure(1);mesh(x1,x2,shubert(x1,x2);%定义遗传算法参数NIND=40;%个体数目MAXGEN=50;%最大遗传代数NVAR=2;%变量数目PRECI=25;%变量的二进制位数GGAP=0.9;%代沟,.,%建立区域描述器FieldD=rep(PRECI,1,NVAR);rep(-10;10,1,NVAR);rep(1;0;1;1,1,NVAR);%创建初始种群Chrom=crtbp(NIND,NVAR*PRECI);gen=0;%遗传算法性能跟踪初始值trace=zeros(MAXGEN,2);%初始种群十进制转换x=bs2rv(Chrom,FieldD);%初始种群的目标函数值ObjV=Shubert(x(:,1),x(:,2);,.,whilegenMAXGENFitnV=ranking(ObjV);%分配适应度值SelCh=select(sus,Chrom,FitnV,GGAP);SelCh=recombin(xovsp,SelCh,0.7);SelCh=mut(SelCh);x=bs2rv(SelCh,FieldD);ObjVSel=Shubert(x(:,1),x(:,2);ChromObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);gen=gen+1;,.,Y,I=min(ObjV);%输出每一次的最优解及其对应的自变量值Y,bs2rv(Chrom(I,:),FieldD)%遗传算法性能跟踪trace(gen,1)=min(ObjV);trace(gen,2)=sum(ObjV)/length(ObjV);%迭代数为50时画出目标函数值分布图if(gen=50)figure(2);plot(ObjV);holdon;plot(ObjV,b*);grid;endend,.,figure(3);clf;plot(trace(:,1);holdon;plot(trace(:,2),-.);gridlegend(解的变化,种群均值的变化),.,.,.,5.4在多目标优化中的应用,.,5.4.1多目标优化的概念,.,5.4.1多目标优化的概念,.,5.4.1多目标优化的概念,.,5.4.1多目标优化的概念,.,5.4.2多目标优化问题的遗传算法,.,5.4.2多目标优化问题的遗传算法,.,5.4.2多目标优化问题的遗传算法,.,5.4.2多目标优化问题的遗传算法,.,5.4.2多目标优化问题的遗传算法,.,5.4.2多目标优化问题的遗传算法,.,5.4.2多目标优化问题的遗传算法,.,5.4.3应用举例,.,5.4.2多目标优化问题的遗传算法,NIND=100;%个体数目MAXGEN=50;%最大遗传代数NVAR=2;%变量个数PRECI=20;%变量的二进制位数GGAP=0.9;%代沟trace1=;trace2=;trace3=;%性能跟踪%建立区域描述器FieldD=rep(PRECI,1,NVAR);1,1;4,2;rep(1;0;1;1,1,NVAR);,.,5.4.2多目标优化问题的遗传算法,Chrom=crtbp(NIND,NVAR*PRECI);%初始种群v=bs2rv(Chrom,FieldD);%初始种群十进制转换gen=1;whilegenMAXGENNIND,N=size(Chrom);M=fix(NIND/2);ObjV1=f1(v(1:M,:);%分组后第一目标函数值FitnV1=ranking(ObjV1);%分配适应度值,.,5.4.2多目标优化问题的遗传算法,SelCh1=select(sus,Chrom(1:M,:),FitnV1,GGAP);ObjV2=f2(v(M+1:NIND,:);%分组后第二目标函数值FitnV2=ranking(ObjV2);SelCh2=select(sus,Chrom(M+1):NIND,:),FitnV2,GGAP);%选择SelCh=SelCh1;SelCh2;%合并SelCh=recombin(xovsp,SelCh,0.7);%重组Chrom=mut(SelCh);%变异v=bs2rv(SelCh,FieldD);,.,5.4.2多目标优化问题的遗传算法,trace1(gen,1)=min(f1(v);trace1(gen,2)=sum(f1(v)/length(f1(v);trace2(gen,1)=min(f2(v);trace2(gen,2)=sum(f2(v)/length(f2(v);trace3(gen,1)=min(f1(v)+f2(v);trace3(gen,2)=sum(f1(v)/length(f1(v)+sum(f2(v)/length(f2(v);gen=gen+1;end,.,5.4.2多目标优化问题的遗传算法,figure(1);clf;plot(trace1(:,1);holdon;plot(trace1(:,2),-.);plot(trace1(:,1),.);plot(trace1(:,2),.);gridon;legend(解的变化,种群均值的变化)xlabel(迭代次数);ylabel(第一目标函数值);figure(2);clf;plot(trace2(:,1);holdon;plot(trace2(:,2),-.);plot(trace2(:,1),.);plot(trace2(:,2),.);grid;,.,5.4.2多目标优化问题的遗传算法,legend(解的变化,种群均值的变化)xlabel(迭代次数);ylabel(第二目标函数值);figure(3);clf;plot(trace3(:,1);holdon;plot(trace3(:,2),-.);plot(trace3(:,1),.);plot(trace3(:,2),.);grid;legend(解的变化,种群均值的变化)xlabel(迭代次数);ylabel(目标函数值之和);figure(4);clf;plot(f1(v);holdon;plot(f2(v),r-.);grid;,.,50次迭代后第一目标函数的最优解及性跟踪,.,50次迭代后第二目标函数的最优解及性跟踪,.,50次迭代后两目标函数值之和的最优