主要内容

的简历遗传算法

打开生活的脚本

默认情况下,遗传算法每次运行时创建一个新的初始填充。但是，如果使用上一次运行的最终填充作为新运行的初始填充，可能会得到更好的结果。为此，您必须通过调用遗传算法与语法

[x, fval exitflag、输出final_pop] = ga (@fitnessfcn,据nvar);

最后一个输出参数是最终填充。运行遗传算法使用final_pop作为初始人口，进入

选择= optimoptions (“遗传算法”，“InitialPop”, final_pop);[x, fval exitflag、输出final_pop2] =．．.ga (@fitnessfcn,据nvar ,[],[],[],[],[],[],[], 选项);

你可以使用final_pop2，即第二轮的最终种群，作为第三轮的初始种群。

例如，最小化两个变量的Ackley函数。

rng (100)%为reproducibiliity[x, fval exitflag、输出final_pop] = ga (@ackleyfcn, 2);
优化终止:适应度值的平均变化小于选项。

检查最佳功能值。

disp (fval)
3.5527

试着通过跑步来获得更好的解决方案遗传算法从最后的人口。

选择= optimoptions (“遗传算法”，“InitialPopulationMatrix”, final_pop);[x, fval2 exitflag2, output2 final_pop2] =．．.ga (@ackleyfcn, 2 ,[],[],[],[],[],[],[], 选项);
优化终止:适应度值的平均变化小于选项。
disp (fval2)
2.9886

适应度函数值明显提高。

再试一次来改进解决方案。

选项。InitialPopulationMatrix = final_pop2;[x, fval3 exitflag3, output3 final_pop3] =．．.ga (@ackleyfcn, 2 ,[],[],[],[],[],[],[], 选项);
优化终止:适应度值的平均变化小于选项。
disp (fval3)
2.9846

这一次的改善是微不足道的。

相关的话题

全局优化工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在