设置最大数量的代和失速代
的MaxGenerations选择决定了遗传算法需要一代又一代的最大数量;看到该算法停止条件。增加MaxGenerations可以提高最终结果。相关的MaxStallGenerations选择控制的步骤遗传算法看起来是否取得进展。增加MaxStallGenerations可以使遗传算法继续当算法需要更多函数评估找到一个更好的解决方案。
例如,优化rastriginsfcn使用10个变量使用默认参数。观察解算器的进展,因为它接近0的最小值,优化函数的对数。
rng默认的%的再现性有趣= @ (x)日志(rastriginsfcn (x));据nvar = 10;选择= optimoptions (“遗传算法”,“PlotFcn”,“gaplotbestf”);[x, fval] = ga(乐趣、据nvar[]、[][],[],[],[],[],选项)
优化终止:平均不到options.FunctionTolerance健身价值的变化。
x =1×10-0.0495 -0.0670 -0.0485 0.0174 -0.0087 0.0275 -0.0383 0.0620 -1.0047 -0.0298
fval = 1.4540
作为遗传算法方法的最佳点在原点,摊位。获得一个更好的解决方案,设置摊位代限制500和1000代限制。
选择= optimoptions(选项,“MaxStallGenerations”,500,“MaxGenerations”,1000);rng默认的%的再现性[x, fval] = ga(乐趣、据nvar[]、[][],[],[],[],[],选项)
优化终止:超过了一代又一代的最大数目。
x =1×100.0025 -0.0039 0.0021 -0.0030 -0.0053 0.0033 0.0080 0.0012 0.0006 0.0088
fval = -3.1467
这次的解决方法真正的最低更为紧密。
