复制的结果

因为遗传算法是随机的——也就是说，它做出随机的选择——你每次运行遗传算法都会得到稍微不同的结果。算法使用默认的MATLAB^®伪随机数流。有关随机数流的更多信息，请参见RandStream．每一次遗传算法调用流，它的状态改变。下次再讲遗传算法调用流，它返回一个不同的随机数。这就是为什么输出遗传算法每次运行都不一样。

如果您需要精确地再现您的结果，您可以调用遗传算法使用一个输出参数，其中包含默认流的当前状态，然后在运行前将状态重置为此值遗传算法一次。例如，再现的输出遗传算法应用于Rastrigin的函数，调用遗传算法与语法

rng (1,“旋风”）%的再现性定义Rastrigin的函数Rastriginsfcn = @(pop)10.0 * size(pop,2) + sum(pop .^2 - 10.0*cos(2*pi.*pop)，2);[x,fval,exitflag,output] = ga(rastriginsfcn, 2);

假设结果是

x fval exitflag

X = -1.0421 -1.0018 fval = 2.4485 exitflag = 1

流的状态存储在output.rngstate．要重置状态，输入

流= RandStream.getGlobalStream;流。状态= output.rngstate.State;

如果你现在跑遗传算法第二次，你会得到和之前一样的结果:

[x,fval,exitflag] = ga(rastriginsfcn, 2)

优化终止:适应度值的平均变化小于options.FunctionTolerance。X = -1.0421 -1.0018 fval = 2.4485 exitflag = 1

相关的话题

• 简历ga