主要内容
遗传算法的自定义输出功能
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：
用矩形表示种群的前两个组成部分的范围。矩形的左边和下面的边是的最小值
x (1)和x (2)分别，和右侧和上方在各自的最大值。当最佳函数值下降到下面时，停止迭代
0.1(目标函数的最小值为0)．在名为的变量中记录整个人口
GapopulationHistory.在你的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。初始设定0.2使前几个迭代主要通过突变进行随机搜索。后期的设定0.8导致以下迭代主要通过现有人口成员的组合搜索。
目标函数
目标函数是四维的x前两个分量是整数值的。
功能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。
功能[选项,optchanged] = gaoutfun(选项、状态标志)持续的H1历史R OPTCHANGED = FALSE;转变国旗情况下'在里面'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 m1- l2]);历史(::1)= state.Population;assignin ('根据'，“gapopulationhistory”、历史);情况下“通路”%每10代更新历史。如果rem(state.Generation,10) = 0 ss = size(history,3);历史(:,:,ss + 1) = state.Population;assignin ('根据'，“gapopulationhistory”、历史);结束%寻找最佳目标函数，如果低就停止。ibest = state.best（结束）;ibest = find（state.score == ibest，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%更新图。图1 l1 = min(state.Population(:，1));m1 = max (state.Population (: 1));l2 = min (state.Population (:, 2));m2 = max (state.Population (:, 2));r.位置= [l1 l2 m1-l1 m1- l2];暂停(0.1)%更新25代后突变和交叉的比例。如果状态。生成== 25个选项。CrossoverFraction = 0.8;optchanged = true;结束情况下“完成”%在历史中包含最终人口。SS =大小（历史，3）;历史(:,:,ss + 1) = state.Population;assignin ('根据'，“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];
设置整数变量和变量数。
IntCon = [1 2];据nvar = 4;
设置选项以调用自定义输出函数，最初有很少的交叉。
选项= Optimoptions（“遗传算法”，“OutputFcn”@gaoutfun,“CrossoverFraction”, 0.2);
为了再现性，请设置随机数发生器。
rng (10)
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0.1优化终止：Y X = 6.0000 13.0000 9.4217 15.7016 FVAL = 0.0098
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 7
有7条40 × 4种群矩阵的记录(40个个体，每个4元素行向量)。
相关话题
您还可以从以下列表中选择一个网站：
