Matlab遗传算法及仿真研究 第10页

3) 算法的matlab实现
在matlab中编程实现的动态线性标定适应值的遗传算法函数为：MMAdapGA
功能：用多变异位自适应遗传算法求解一文无约束优化问题
调用格式：[xv,fv]=MMAdapGA(fitness,a,b,NP,NG,Pc1,Pc2,Pm1,Pm2,eps)
%fitness：待优化的目标函数
%a：自变量下界
%b：自变量上界
%NP：种群大小
%NG：最大进化代数
%Pc1：杂交常数1
%Pc2：杂交常数2
%Pm1：变异常数1
%Pm2：变异常数2
%eps：自变量离散精度
%xv：目标函数取最小值时的自变量值
%fv：目标函数的最小值

运行程序见附录1，2，3，4，5，6，7
3.设计
 接下来会分别逐个对每一个遗传算法进行分析：
3.1基本遗传算法
设计：用基本遗传算法求下面函数的最大值，F=x^3-60*x^2+900*x+100，个体数目取50，最大进化代数取100，离散精度0.01，杂交概率取0.9，变异概率取0.04.
建立目标还是文件fitness.m文件：
function  F = fitness(x)
F=x^3-60*x^2+900*x+100
用基本遗传算法求出结果：[xv,fv]=myGA(@fitness,0,30,50,100,0.9,0.04,0.01)
得出结果：

3.2顺序选择遗传方法
设计：用顺序选择遗传算法，求函数f(x)=xsinx, 0≤x≤4的最大值，个体数目取50，最大进化代数取500，最好个体的选择概率取0.2，离散精度取0.01，杂交概率取0.9，变异概率取0.05
建立目标还是文件fitness.m文件：
function  F = fitness(x)
 f(x)=xsinx
用顺序选择遗传算法求出结果：[xv,fv]=SBOGA(@fitness,0,4,50,500,0.2,0.9,0.05,0.01)

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] 

Matlab遗传算法及仿真研究 第10页下载如图片无法显示或论文不完整，请联系qq752018766