怎么使用matlab遗传算法求解最小值

发布时间:2022-01-14 10:08:10 作者:iii
来源:亿速云 阅读:312

这篇文章主要介绍了怎么使用matlab遗传算法求解最小值的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇怎么使用matlab遗传算法求解最小值文章都会有所收获,下面我们一起来看看吧。

%% 清空环境变量

clc

clear


%% 初始化遗传算法参数

%初始化参数

maxgen=100;                         %进化代数,即迭代次数

sizepop=20;                        %种群规模

pcross=[0.4];                       %交叉概率选择,0和1之间

pmutation=[0.2];                    %变异概率选择,0和1之间


lenchrom=[1 1];          %每个变量的字串长度,如果是浮点变量,则长度都为1

bound=[-5 5;-5 5];  %数据范围



individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  %将种群信息定义为一个结构体

avgfitness=[];                      %每一代种群的平均适应度

bestfitness=[];                     %每一代种群的最佳适应度

bestchrom=[];                       %适应度最好的染色体


%% 初始化种群计算适应度值

% 初始化种群

for i=1:sizepop

    %随机产生一个种群

    individuals.chrom(i,:)=Code(lenchrom,bound);   

    x=individuals.chrom(i,:);

    %计算适应度

    individuals.fitness(i)=fun(x);   %染色体的适应度

end

%找最好的染色体

[bestfitness, bestindex]=min(individuals.fitness);

bestchrom=individuals.chrom(bestindex,:);  %最好的染色体

avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度

% 记录每一代进化中最好的适应度和平均适应度

trace=[avgfitness bestfitness]; 


%% 迭代寻优

% 进化开始

for i=1:maxgen

    % 选择

    individuals=Select(individuals,sizepop); 

    avgfitness=sum(individuals.fitness)/sizepop;

    %交叉

    individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);

    % 变异

    individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,[i maxgen],bound);

    

    % 计算适应度 

    for j=1:sizepop

        x=individuals.chrom(j,:); %解码

        individuals.fitness(j)=fun(x);   

    end

    

  %找到最小和最大适应度的染色体及它们在种群中的位置

    [newbestfitness,newbestindex]=min(individuals.fitness);

    [worestfitness,worestindex]=max(individuals.fitness);

    % 代替上一次进化中最好的染色体

    if bestfitness>newbestfitness

        bestfitness=newbestfitness;

        bestchrom=individuals.chrom(newbestindex,:);

    end

    individuals.chrom(worestindex,:)=bestchrom;

    individuals.fitness(worestindex)=bestfitness;

    

    avgfitness=sum(individuals.fitness)/sizepop;

    

    trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度

end

%进化结束

怎么使用matlab遗传算法求解最小值  

%% 结果分析

[r, c]=size(trace);

plot([1:r]',trace(:,2),'r-');

title('适应度曲线','fontsize',12);

xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12);

axis([0,100,0,1])

关于“怎么使用matlab遗传算法求解最小值”这篇文章的内容就介绍到这里,感谢各位的阅读!相信大家对“怎么使用matlab遗传算法求解最小值”知识都有一定的了解,大家如果还想学习更多知识,欢迎关注亿速云行业资讯频道。

推荐阅读:
  1. 使用遗传算法求二元函数的最小值
  2. 使用Python如何实现简单遗传算法

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

matlab

上一篇:matlab神经网络拟合非线性函数怎么用

下一篇:springboot整合quartz定时任务框架的方法是什么

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》