MATLAB遗传算法工具箱简介

mutougeda

+ s% w9 _- V( kMATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB软件是一个功能很强大的工具，其中可以使用GA工具箱进行遗传算法的数据优化，下面给出具体的操作简单的实例。
4 A. N- [1 D5 O7 P1 w
①利用GUI打开并使用MATLAB遗传算法工具箱。
- L3 b: f- J. U打开MATLAB选择应用程序，点击Optimization。

  o6 c! Q  M4 }7 k0 Q9 [
5 j: V5 J/ ]. p3 O' H- ]
打开后显示优化界面第一个solver选择ga
! _; j/ q! X4 J) F



" ~" k- B2 j- y. Z- O4 x函数（注意是单目标只能有一个函数输出值）的MATLAB代码填入Fitness Funtion，输入变量值为2，其它设置options可以使用自定义，也可以使用默认，这里我的种群设置为200。设置完后点击start
. X. K) H+ V9 e) u; P  a  [4 S
; A% F, `3 Y: a% b* f# `6 r


我优化的函数代码：

/ P6 ~' G' X+ k: a: E

• function f=GA_demo(x)
• f1=4*x(1).^3+4*x(1)*x(2)+2*x(2).^2-42*x(1)-14;
• f2=4*x(2).^3+4*x(1)*x(2)+2*x(1).^2-26*x(1)-22;
• f=f1.^2+f2.^2;
  

常用的options
* L5 S# Q1 E& }6 A

: ^  T" {* n: p' R
8 ?, h; {: H$ N1 B6 e# z) y7 i
9 I6 X. r0 s. z# O1 A3 E当然MATLAB官方说这个优化工具箱将在未来的版本中去除，请留意。
- C4 n: X5 C" s% v& q* S) b3 n8 W



②利用命令运行GA工具箱
& G6 f: a! h1 j4 e0 K! B8 w0 C种群大小200
) v9 a0 H* }/ u4 J$ a& m5 w# y精英解的数量20
交叉率0.75
$ J# `& V; |! q0 \- s迭代次数1000
3 N  G1 M4 D. _% s* L) {/ s* Q停止代数（stall generations）与适应度函数值偏差（function tolerance）。若在Stallgenerations设定的代数内，适应度函数值的加权平均变化值小于function tolerance，算法停止
4 j/ \- L- _0 B% X; P" D' ?
1 n2 f  ~& A4 b9 J优化的函数是上面GUI中给出的函数

" S/ h# J( t9 [8 {) V1 o$ V

• clear
• clc
• fitnessfcn = @GA_demo;
• % 适应度函数句柄
• nvars = 2;% 个体的变量数目
• options = gaoptimset('PopulationSize',200,'EliteCount',20,'CrossoveRFraction',0.75,'Generations',1000,'StallGenLimit',500,'TolFun',1e-100,'PlotFcns',{@gaplotbestf,@gaplotbestindiv}); %参数设置
• [x_best,fval] =ga(fitnessfcn,nvars,[],[],[],[],[],[],[],options);   % 调用ga函数
  # T( {1 w& V+ h) {

& Z% |/ ]) q. p) B运行时的结果：
, N0 c$ ]8 ]* z1 l' z
5 I, L2 R/ ~. k* l9 a. y
2 Y1 [# W& d, R: i& \

yin123

MATLAB遗传算法工具箱简介