主要内容

遗传算法自定义输出函数

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:

  • 将总体的前两个组成部分的范围绘制为矩形。矩形的左边和下边都在的最小值处x (1)而且x (2)分别是，右边和上面都在各自的最大值。

  • 当最佳函数值低于以下值时停止迭代0．1(目标函数的最小值为0）.

  • 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，然后更新回默认值0.825代之后。初始设置0.2使前几次迭代主要通过突变随机搜索。后来的设定0.8使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数。

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

输出函数

自定义输出函数在初始化期间设置图，并在迭代期间维护图。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[state,options,optchanged] = gaoutfun(options,state,flag)持续的H1历史记录r optchanged = false;开关国旗情况下“init”H1 =图;Ax = gca;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]);history(:，:，1) = state.Population;assignin (“基地”，“gapopulationhistory”、历史);情况下“通路”每10代更新一次历史。如果rem(state.Generation,10) == 0 ss = size(history,3);history(:，:，ss+1) = state.Population;assignin (“基地”，“gapopulationhistory”、历史);结束找到最佳目标函数，如果它很低就停止。ibest = state.Best(结束);找到(状态)。分数== ibest,1，“最后一次”）;bestx = state.Population(ibest，:);Bestf = gaintobj(bestx);如果Bestf <= 0.1状态。StopFlag =“y”；disp (“低于0.1”）结束%更新情节。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)25代后更新变异和交叉的比例。如果状态。生成== 25个选项。crosverfraction = 0.8;Optchanged = true;结束情况下“完成”在历史中包含最终的人口。Ss = size(历史，3);history(:，:，ss+1) = state.Population;assignin (“基地”，“gapopulationhistory”、历史);结束

问题设置和解决方案

设置下界和上界。

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

设置整型变量和变量个数。

Intcon = [1 2];Nvar = 4;

设置选项来调用自定义输出函数，并在初始时很少交叉。

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

为了重现性，设置随机数发生器。

rng默认的

设置目标函数并调用求解器。

Fun = @gaintobj;[x, fval] = ga(有趣,据nvar ,[],[],[],[], 磅,乌兰巴托,[],intcon选项)
得到低于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。

查看历史记录的大小。

disp(大小(gapopulationhistory))
40 4 6

40 × 4总体矩阵有6条记录(40个个体，每一个4元素行向量)。

相关的话题