遺傳算法options

《遺傳算法options》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、一問題設(shè)置和結(jié)果1問題Fitnessfunction適應(yīng)值函數(shù)是最小化目標(biāo)函數(shù)?？梢允褂眯问綖锧objfun函數(shù)句柄指定這個函數(shù)，其中objfun.m是返回一個量的函數(shù)文件。Numberofvariables變量個數(shù)是適應(yīng)值函數(shù)中獨(dú)立變量的個數(shù).2約束Linearinequalities線性不等式是有矩陣A和向量b定義的Ax≤b。Linearequalities線性等式是有矩陣Aeq和向量beq定義的Aeq*x=beq。Bounds邊界是變量的上界（Upper）和下界（Lower）。Nonlinearconstraintfunction非線性約束函數(shù)定義了非

2、線性約束，可把這個函數(shù)定義為一個無名函數(shù)或者形式為@nonlcon的函數(shù)句柄，其中nonlcon.m是返回向量c和ceq的函數(shù)文件。非線性等式的形式是ceq=0，非線性不等式的形式是c≤0。3運(yùn)行求解器并查看結(jié)果要運(yùn)行求解器，單擊start按鈕。當(dāng)算法終止時，狀態(tài)和結(jié)果格中顯示該算法終止的原因。二選項(xiàng)1.Population種群?Populationoptions種群選項(xiàng)設(shè)置遺傳算法的種群的選項(xiàng)。?Populationtype種群類型設(shè)置適應(yīng)值函數(shù)的輸入類型和約束：（1）Doublevector條目為Double型的向量（2）Bitstring字節(jié)串即由0和

3、1組成的二進(jìn)制串。對于創(chuàng)建函數(shù)和變異函數(shù)，選擇“均勻”或“自定義”；對于交叉函數(shù)，選擇“分散”、“單點(diǎn)”、“雙點(diǎn)”或“自定義”；不可以使用混合函數(shù)或非線性約束函數(shù)。（3）custom自定義對于交叉函數(shù)和變異函數(shù)，選擇“自定義”；對于創(chuàng)建函數(shù)，選擇自定義或提供一個初始種群；不可以使用混合函數(shù)或非線性約束函數(shù)。?Populationsize種群規(guī)模指定了每一代有多少個體。如果你把種群規(guī)模設(shè)置為一個比1大的向量，算法會創(chuàng)建多個子種群。向量的每個條目指定一個子種群的規(guī)模。?Creationfunction創(chuàng)建函數(shù)指定了創(chuàng)建初始種群的函數(shù)：Useconstraintd

4、ependentdefault使用約束依賴。如果沒有約束，選擇“均勻”；否則，選擇“可行種群”。（1）Uniform均勻根據(jù)均勻分布創(chuàng)建隨機(jī)初始種群；（2）Feasiblepopulation可行種群創(chuàng)建滿足邊界和線性約束的隨機(jī)初始種群。Custom自定義可以提供自己的創(chuàng)建函數(shù)，必須產(chǎn)生在種群類型中定義的類型的數(shù)據(jù)。輸入函數(shù)句柄@CreationFcn可以定義。?Initialpopulation初始種群需要為遺傳算法指定一個初始種群。如果你不設(shè)置初始種群，算法用創(chuàng)建函數(shù)創(chuàng)建一個函數(shù)。可以設(shè)置比種群規(guī)模更少的個體；如果這樣做，創(chuàng)建函數(shù)創(chuàng)建的是最好的。?Ini

5、tialscore初始值設(shè)置初始種群的適應(yīng)度，如果你不設(shè)置初始適應(yīng)度，算法使用適應(yīng)度函數(shù)計(jì)算適應(yīng)度。?Initialrange初始范圍指定了初始種群的向量條目的上下界?？梢杂靡粋€2行和初始長度做列的矩陣指定初始范圍，第一行是初始種群的向量條目的下界，第二行是上界。如果指定初始種群為2行1列的矩陣，兩個標(biāo)量擴(kuò)大為長度為初始長度的常數(shù)向量。2.Fitnessscaling適應(yīng)值縮放縮放函數(shù)把適應(yīng)值函數(shù)返回的初始適應(yīng)值轉(zhuǎn)換為適應(yīng)選擇函數(shù)的范圍的值。?Rank排序根據(jù)每一個個體的排名擴(kuò)大或縮小原始的適應(yīng)度。排序之后，個體的排名便是它的位置。最優(yōu)個體的排名是1，次優(yōu)個

6、體的排名為2，以此類推。排序適應(yīng)度縮放法消除了原始適應(yīng)度的擴(kuò)展效應(yīng)。?Proportional按比例使每個個體的期望（比例）與其原始適應(yīng)度值成比例。當(dāng)原始適應(yīng)度值不在一個“好的范圍”中，該策略會有缺陷。?Top用最大適應(yīng)度等同的擴(kuò)大或縮小個體。如果選用了該策略，可以指定Quantity，即產(chǎn)生后代的最優(yōu)個體的數(shù)目。Quatity必須是1到種群規(guī)模之間的整數(shù)，或介于0到1之間的表明占種群規(guī)模比例的分?jǐn)?shù)。每一個個體都有相同的復(fù)制概率。其余的個體復(fù)制概率為0。?Shiftlinear擴(kuò)大或縮小初始適應(yīng)度，使最優(yōu)個體的期望值等于一個常數(shù)，定義此常數(shù)為“最大存活率”。

7、?Custom自定義自己可以定義縮放函數(shù)。輸入一個形式為@ScaleFcn的句柄就可以定義。3.Selection選擇選擇函數(shù)是基于適應(yīng)值縮放函數(shù)縮放之后的值為下一代選擇父代?？梢赃x擇如下的選擇函數(shù)：?Stochasticuniform隨機(jī)均勻產(chǎn)生一條線，每一個父代個體對應(yīng)于線上的一段，線段的長度所占的比例相應(yīng)于父代個體的期望值所占的比例。該算法以相同的步長沿線移動，每一步確定一個父代，算法確定其“著陸”的部分為一個父代。該算法的第一步是確定一個比步長小的均勻隨機(jī)數(shù)。?Remainder每一個個體的縮放之后的適應(yīng)度的整數(shù)部分賦于父代，然后使用輪盤賭選擇方法選

8、擇剩余的分?jǐn)?shù)部分。?Uniform均勻依據(jù)均勻分布函