《遗传算法的经典解析(2008-08-17102247)》由会员分享，可在线阅读，更多相关《遗传算法的经典解析(2008-08-17102247)（7页珍藏版）》请在金锄头文库上搜索。
1、遗传算法的经典解析(2008-08-17 10:22:47)标签：遗传算法杂谈 分类：科学研究遗传算法的经典解析-看了以后就会用ga了zhanhuichong 发表于: 2008-6-14 10:42 来源: Matlab中文学习站下面是英国sheffield大学的ga工具箱的经典编写程序示例，大家可以根据它，对相关数据修改就可以解决一切ga问题了至于matlab自带的ga工具箱，使用相当简单，真正工程应用没有sheffield大学的ga工具箱应用广泛，这里就不多累赘了记住使用时将下面的大写全部改为小写Nvar=20;%变量个数Nind=100;%种群大小Subpop=10;%子种群数量Max
2、gen=500;%最大遗传代数Miggen=20;%每隔20代发生迁移Range=0;200;%变量范围Ggap=0.8;%代沟率Xovr=1;%交叉率Mutr=1/xovr;%变异率Insr=0.9;%插入率Migr=0.2;%迁移率Selfun=sus;%选择函数Xovfun=recdis;%重组函数Mutfun=mutbga;%变异函数Gen=0;Trace=zeros(maxgen,2);%遗传算法性能跟踪FieldDD=rep(range,1,nvar);%译码矩阵Chorm=crtrp(nind,fieldDD);%创建初始种群Objv=objfun(chorm);%计算目标函数W
3、hile gen<maxgenFitv=ranking(objv,2,1,subpop);%分配适度值Selch=selet(selfun,chorn,fitv,ggap,subpop);%选择recch=recombin(xovfun,selch,xovr,subpop);%重组mutch=mutate(mutfun,recch,fieldDD,mutr,subpop);%变异objvoff=objfun(mutch);%计算目标函数值chorm,objv=reins(chorm,mutch,subpop,1 indr,objv,objvoff);%替代Gen=gen+1;trace(
4、gen,1) =min(objv);Trace(gen,2)=mean(objv);%在子种群中迁移个体If(rem(gen,miggen)=0)chorm,objv=migrate(chor,subpop,migr,1,1,objv);EndEndyy,ii=min(objv);%输出最有解及序号Figure(1)Plot(chorm(ii,-ro);Figure(2);%遗传算法性能跟踪图Plot(trace(:,1);Hold onPlot(trace(:,2),-.r);Legend(解的变化,种群均值的变化)；Xlabel(迭代次数)； 本帖最后由 zhanhuichong 于 20
5、08-6-14 11:08 编辑 未命名.bmp最新回复zhanhuichong at 2008-6-15 12:18:36 因为每个个体对应一组染色体，故经常叫种群中的个体为染色体而每个染色体有好多基因组成，每个基因就是对应为题的每一个变量1.函数bs2rvphen=bs2rv(chrom,fieldD)根据译码矩阵fieldD将二进制串矩阵chorm转换成实值向量，返回矩阵包含对应的种群表现型。fieldD=len;lb;ub;code;scale;lbin;ubinlen：指明chorm中每个变量（基因）的二进制编码的长度，满足sum(len)=size(chorm,2)lb和ub：分别
6、指明每个变量使用的上下边界code：指明每个变量的编码方式，1为标准二进制编码，0为格雷编码scale：指明每个变量的是否使用对数或算术刻度，1是对数刻度，0为算术刻度lbin和ubin：指明表示范围总是否包含每个边界，1表示包含，0不包含比如：fieldD=5697 %len 0-5-19 %lb 10 0 10 20 %ub 0111 %code 0101 %scale 1110 %lbin 0100 %ubin表示chrom的每个个体（染色体）的编码规则为：共有4个变量（即每个染色体有4个基因），第1个基因体是使用5位标准二进制编码，上下边界为0 10，只包含上边界的算术刻度第2个基因体
7、是使用6位格雷二进制编码，上下边界为-5 0，包含上下边界的对数刻度2.crtbasebasevec=crtbase(lind,base)产生向量的元素对应染色体每个基因的基数（每个变量的范围）lind：每个染色体的基因(变量)个数，sum(lind)=变量个数，且length(lind)=length(base)base：对应每个基因的基数比如：basevec=crtbase(2 3 4 2,10 20 15 8)结果为:basevec=10 10 20 20 20 15 15 15 15 8 8上面表示创建有2+3+4+2=11个基因(变量)的染色体(个体)前两的变量的取值为0-9，接着三
8、个0-19，还有四个0-14，最后两个0-7由上面可以看出basevec其实可使用matlab的其它简单命令创建，因此很少用到它，一般使用rep。再强调一下，简单一点说basevec其实就是每个变量的基数（取值范围）3.crtbpnewchrom,newlind,newbasevec=crtbp(nind,lind,basevec)创建离散随机初始种群，经常和crtbase一起使用basevec：其实就是上面创建的basevec向量nind：种群中染色体(个体)的数量lind：变量的个数，即lind=length(basevec)注意在basevec给出时,lind可以省略，但要是baseve
9、c没有给出，则lind必须给，此时默认创建取值为0-1的种群比如：basevec=crtbase(3,2,8,5)chrom1=crtbp(3,5)%创建一个有3个个体，5个变量的初始种群chrom2=crtbp(4,5,basevec)%4*5的种群，等效chrom2=crtbp(4, basevec)结果为：basevec=8 8 8 5 5chrom1=0 1 0 0 01 1 0 1 01 0 1 1 0chrom2=6 5 7 0 47 1 3 4 23 7 1 0 46 6 4 4 3-前三个函数一般只是在离散编码中使用-4.crtrpchrom=crtrp(nind,fieldD
10、R)创建由任意个体组成的实值随机原始种群nind：种群中个体数量fieldDR：是一个2*nvar的二维矩阵，表示每个变量的取值上下限比如：创建一个含有3个个体，4个变量的随机种群fieldDR=-100-50-30-20 100 50 30 20;chrom=crtrp(3,fieldDR)chrom=40.23 -17.17 28.0015.38 82.26 13.25 18.52 -9.09 -90.20 -13.25 7.89 9.255.migratechrom,objv=migrate(chrom,subpop,migopt,objv)完成当前种群的子种群间的迁移，并返回迁移后的种
11、群subpop：子种群的数量migopt：migopt(1)个体迁移率，默认0.2migopt(2)迁移方式，0为均匀迁移，1为适应度的迁移，默认0migopt(3)迁移种群结构，0为完全网状，1为临近结构，2为环状，默认0objv：为目标函数值列向量，当migopt(2)=1是必须给出6.mutatenewchorm=mutate(mutfun,oldchrom,fieldDR,mutopt,sunbpop)执行种群变异mutfun：变异函数fieldDR：变量的取值范围,实值型时为2*nvar的二维矩阵，离散型时为1*nvar向量mutopt：mutopt(1)变异率，实值型默认1/nva
12、r，离散型默认0.7/lindmutopt(2)压缩变异的范围，取值范围为0 1，默认1(不可压缩)，注意当为离散型时不需要给出7.rankingfinnv=ranking(objv,rfun,subpop)按照个体的目标值objv由小到大的顺序对它们进行排序，并返回一包含个体适应度值的fitnv的列向量rfun：rfun(2)指定排序方法，0为线性，1为非线性，默认0rfun(1)指定压差，当rfun(2)=0时，取值为1 2，默认为2，当rfun(2)=1时，取值为1 length(objv)-2 另外还可以length(objv)=length(rfun)，此时它则包含对每一行的适应度值
13、计算至于scaling一般使用很少，这里就不介绍了8.recombinnewchrom=recombine(recfun,oldchrom,recopt,subpop)执行基因重组recfun：变异函数recopt：重组交叉率9.reinsnewchrom,newobjvch=reins(chrom,selch,subpop,insopt,objvch,objvsel)完成插入子代到当前种群，用子代代替父代并返回结构种群，本函数属于选择函数，但是为了恢复种群数量，必须要有，它没有与select重复oldchrom：父代种群selch：子代种群insopt：insopt(1)指明选择方法，0为均匀选择，1为基于适应度的选择insopt(2)重插入的比率，在0 1，默认1objvch：是chrom的目标值（基于适应度的选择，该参数必须有）objvsel：是selch中个体目标值（基于适应度的选择，该参数必须有）10.selectselch=select(selfun,chrom,fitnv,ggap,subpop)从种群chrom中选择优良个体selfun：选择函数fitnv：列向量，chrom的个体适应度值ggap：代沟率，默认1.0 本帖最后由 zhanhuicho
