主要内容

遗传算法的自定义输出函数

打开脚本

这个例子展示了在遗传算法求解器中使用自定义输出函数遗传算法．自定义输出函数执行以下任务:

  • 将种群的前两个分量的范围绘制为一个矩形。的最小值为x (1)和x (2)分别，且右侧和上方分别处于极大值。

  • 当最佳函数值低于此值时，停止迭代0．1(目标函数的最小值为0）.

  • 将整个总体记录在一个名为gapopulationhistory在您的MATLAB®工作空间每10代。

  • 将初始交叉分数修改为自定义值0.2，然后将其更新回默认值0.825代。的初始设置0.2使前几次迭代主要通过突变随机搜索。后面的设置0.8导致以下迭代主要通过现有填充成员的组合进行搜索。

目标函数

目标函数是四维的x它的前两个分量是整值的。

函数F = gaintobj(x) F = rastriginsfcn([x(1)-6 x(2)-13]);F = F + rastriginsfcn([x(3)-3* x(4)-5*pi]);

输出函数

自定义输出函数在初始化期间设置绘图，并在迭代期间维护绘图。输出函数还暂停迭代0.1秒所以你可以看到情节的发展。

函数[选项,optchanged] = gaoutfun(选项、状态标志)持续的H1历史optchanged = false;开关国旗情况下“init”h1 =图;甘氨胆酸ax =;斧子。XLim = [0 21];斧子。YLim = [0 21];l1 = min (state.Population (: 1));m1 = max (state.Population (: 1));l2 = min (state.Population (:, 2));m2 = max (state.Population (:, 2)); r = rectangle(ax,“位置”，[l1 l2 m1-l1 m2-l2]);历史(::1)= state.Population;assignin (“基地”，“gapopulationhistory”、历史);情况下“通路”每10代更新一次历史记录。如果rem(state.Generation,10) == 0 ss = size(history,3);历史(:,:,ss + 1) = state.Population;assignin (“基地”，“gapopulationhistory”、历史);结束找到最好的目标函数，如果它很低就停止。ib = state.Best(结束);ib =找到(状态。分数= = ib, 1“最后一次”）;: bestx = state.Population (ib);bestf = gaintobj (bestx);如果Bestf <= 0.1状态。StopFlag =“y”；disp (“有低于0.1”）结束更新剧情。figure(h1) l1 = min(state.Population(:，1));m1 = max (state.Population (: 1));l2 = min (state.Population (:, 2));m2 = max (state.Population (:, 2));r.Position = [l1 l2 m1-l1 m2-l2];暂停(0.1)%更新25代后突变和交叉的比例。如果状态。Generation == 25个选项。CrossoverFraction = 0.8;optchanged = true;结束情况下“完成”在历史记录中包含最终的人口。。党卫军=大小(历史,3);历史(:,:,ss + 1) = state.Population;assignin (“基地”，“gapopulationhistory”、历史);结束

问题的设置和解决

设置下限和上界。

Lb = [1 1 -30 -30];Ub = [20 20 70 70];

设置整数变量和变量的数量。

Intcon = [1 2];据nvar = 4;

设置选项来调用自定义输出函数，并在最初有少量交叉。

选择= optimoptions (“遗传算法”，“OutputFcn”@gaoutfun,“CrossoverFraction”, 0.2);

为了再现性，请设置随机数生成器。

rng默认的

设置目标函数并调用求解器。

有趣= @gaintobj;[x, fval] = ga(有趣,据nvar ,[],[],[],[], 磅,乌兰巴托,[],intcon选项)
得到以下0.1优化终止:y x = 6.0000 13.0000 9.4201 15.7052 fval = 0.0059

输出函数停止求解器。

查看已记录历史的大小。

disp(大小(gapopulationhistory))
40 4 6

40 × 4种群矩阵有6个记录(40个个体，每个是4元素行向量)。

相关的话题

Baidu
map