遗传算法实验六-课件

遗传算法实验六Matlab遗传算法工具箱应用举例遗传算法工具箱应用举例 遗传算法实验六5.1 简单一元函数优化实例简单一元函数优化实例遗传算法实验六程序简化代码如下：程序简化代码如下：NIND=40;%定义个体数目定义个体数目MAXGEN=25;%定义最大遗传代数定义最大遗传代数PRECI=20;%编码长度编码长度GGAP=0.9;%代沟代沟FieldD=20;-1;2;1;0;1;1;%区域描述器区域描述器Chrom=crtbp(NIND,PRECI);%产生初始种群产生初始种群gen=0;%代计数器代计数器variable=bs2rv(Chrom,FieldD);%初始种群的十进制转换初始种群的十进制转换ObjV=variable.*sin(10*pi*variable)+2.0;%计算初始种群目标函数值计算初始种群目标函数值while genMAXGEN+1 FitnV=ranking(-ObjV);%分配适应度值分配适应度值 SelCh=select(sus,Chrom,FitnV,GGAP);%选择选择 SelCh=recombin(xovsp,SelCh,0.7);%重组重组 SelCh=mut(SelCh);%变异变异 variable=bs2rv(SelCh,FieldD);%子代个体的十进制转换子代个体的十进制转换 ObjVSel=variable.*sin(10*pi*variable)+2.0;%计算子代的目标函数值计算子代的目标函数值 Chrom ObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);%重插入子代到种群重插入子代到种群 Y=max(ObjV)%当前种群最优解当前种群最优解 gen=gen+1;%代计数器增加代计数器增加end遗传算法实验六遗传算法实验六figure(1);%画出函数曲线画出函数曲线fplot(variable.*sin(10*pi*variable)+2.0,-1,2);%定义遗传算法参数定义遗传算法参数NIND=40;%群体中个体数目群体中个体数目MAXGEN=25;%最大遗传代数最大遗传代数PRECI=20;%变量的二进制位数变量的二进制位数具有性能跟踪和图像输出功能的程序代码具有性能跟踪和图像输出功能的程序代码遗传算法实验六%代沟代沟GGAP=0.9;%寻优结果的初始值寻优结果的初始值trace=zeros(2,MAXGEN);%建立区域描述器建立区域描述器FieldD=20;-1;2;1;0;1;1;%生成初始种群生成初始种群Chrom=crtbp(NIND,PRECI);具有性能跟踪和图像输出功能的程序代码具有性能跟踪和图像输出功能的程序代码遗传算法实验六%代计数器代计数器gen=0;%计算初始种群的十进制转换计算初始种群的十进制转换variable=bs2rv(Chrom,FieldD);%计算目标函数值计算目标函数值ObjV=variable.*sin(10*pi*variable)+2.0;具有性能跟踪和图像输出功能的程序代码具有性能跟踪和图像输出功能的程序代码遗传算法实验六while gen大于号大于号.小黑点小黑点小于号小于号X叉号叉号pentagram五角星五角星Square小正方形小正方形Hexagram六角星六角星diamond菱形符号菱形符号none无标记无标记数据点标记字符遗传算法实验六5、建立图形窗口函数、建立图形窗口函数FIGURE FIGURE(H)使句柄为使句柄为 H的图形窗口为当前图的图形窗口为当前图形；如果图形窗口不存在，则建立一个句柄为形；如果图形窗口不存在，则建立一个句柄为 H的图形窗口。的图形窗口。GCF返回当前图形窗口的句柄。返回当前图形窗口的句柄。6、设置网格线、设置网格线GRID GRID ON 给坐标系添加网格线给坐标系添加网格线 GRID OFF 去除坐标系中的网格线去除坐标系中的网格线遗传算法实验六5.2 多元单峰函数优化实例多元单峰函数优化实例遗传算法实验六简化程序代码如下：简化程序代码如下：NIND=40;%个体数目个体数目MAXGEN=500;%最大遗传代数最大遗传代数NVAR=20;%变量的维数变量的维数PRECI=20;%编码长度编码长度GGAP=0.9;%代沟代沟FieldD=rep(PRECI,1,NVAR);rep(-512;512,1,NVAR);rep(1;0;1;1,1,NVAR);%建立区域描述器建立区域描述器Chrom=crtbp(NIND,NVAR*PRECI);%创建初始种群创建初始种群gen=0;%代计数器代计数器ObjV=objfun1(bs2rv(Chrom,FieldD);%计算初始种群个体的目标函数值计算初始种群个体的目标函数值while gen MatIn=1 2 3MatIn=1 2 3 REPN=1 2REPN=1 2 MatOut=rep(MatIn,REPN)MatOut=1 2 3 1 2 3程序中的函数说明遗传算法实验六例如：例如：MatIn=1 2 3MatIn=1 2 3 REPN=2 1REPN=2 1 MatOut=rep(MatIn,REPN)MatOut=1 2 3 1 2 3程序中的函数说明遗传算法实验六例如：例如：MatIn=1 2 3MatIn=1 2 3 REPN=3 2REPN=3 2 MatOut=rep(MatIn,REPN)MatOut=1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3程序中的函数说明遗传算法实验六具有性能跟的程序代码如下：具有性能跟的程序代码如下：%定义遗传算法参数定义遗传算法参数NIND=40;%个体数目个体数目MAXGEN=500;%最大遗传代数最大遗传代数NVAR=20;%变量的维数变量的维数PRECI=20;%编码长度编码长度GGAP=0.9;%代沟代沟trace=zeros(MAXGEN,2);%建立区域描述器建立区域描述器FieldD=rep(PRECI,1,NVAR);rep(-512;512,1,NVAR);rep(1;0;1;1,1,NVAR);%创建初始种群创建初始种群Chrom=crtbp(NIND,NVAR*PRECI);%代计数器代计数器gen=0;%计算初始种群个体的目标函数值计算初始种群个体的目标函数值ObjV=objfun1(bs2rv(Chrom,FieldD);遗传算法实验六while genMAXGEN%迭代迭代 FitnV=ranking(ObjV);%分配适应度值分配适应度值 SelCh=select(sus,Chrom,FitnV,GGAP);%选择选择 SelCh=recombin(xovsp,SelCh,0.7);%重组重组 SelCh=mut(SelCh);%变异变异%计算子代目标函数值计算子代目标函数值 ObjVSel=objfun1(bs2rv(SelCh,FieldD);%重插入重插入 Chrom ObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);%代计数器增加代计数器增加 gen=gen+1;%遗传算法性能跟踪遗传算法性能跟踪 trace(gen,1)=min(ObjV);trace(gen,2)=sum(ObjV)/length(ObjV);end遗传算法实验六plot(trace(:,1);hold on;plot(trace(:,2),-.);grid;legend(种群均值的变化种群均值的变化,解的变化解的变化)%输出最优解及其对应的输出最优解及其对应的20个自变量的十进制值个自变量的十进制值,Y为最优解为最优解,%I为种群的序号为种群的序号Y,I=min(ObjV)X=bs2rv(Chrom,FieldD);X(I,:)遗传算法实验六function ObjVal=objfun1(Chrom,switch1);%目标函数目标函数 OBJFUN1.M%调用格式调用格式:ObjVal=objfun1(Chrom,switch1)%输入参数输入参数:%Chrom-当前种群当前种群%switch1-如果如果Chrom=则则switch1=1%并返回边界；如果并返回边界；如果switch1=2 则返回标题；则返回标题；%如果如果switch1=3 则返回全局最小值则返回全局最小值%输出变量：输出变量：%ObjVal-各个体的目标函数值各个体的目标函数值目标函数遗传算法实验六if Nind=0 if switch1=2 ObjVal=DE JONG function 1-int2str(Dim);elseif switch1=3 ObjVal=0;else ObjVal=100*-5.12;5.12;ObjVal=ObjVal(1:2,ones(Dim,1);endelseif Nvar=Dim ObjVal=sum(Chrom.*Chrom);else error(size of matrix Chrom is not correct for function evaluation);end遗传算法实验六遗传算法实验六程序运行所求得的最优解为：程序运行所求得的最优解为：y=1.0320 遗传算法实验六5.3多元多峰函数优化实例多元多峰函数优化实例遗传算法实验六Shubert函数的图像为函数的图像为 遗传算法实验六目标函数目标函数function z=shubert(x,y)z=(1*cos(1+1)*x+1)+(2*cos(2+1)*x+2)+(3*cos(3+1)*x+3)+(4*cos(4+1)*x+4)+(5*cos(5+1)*x+5).*(1*cos(1+1)*y+1)+(2*cos(2+1)*y+2)+(3*cos(3+1)*y+3)+(4*cos(4+1)*y+4)+(5*cos(5+1)*y+5);遗传算法实验六1、将绘图区域划分为矩形网格、将绘图区域划分为矩形网格MESHGRIDu功能：功能：将向量将向量x,y指定的区域转化为矩形指定的区域转化为矩形X，Yu调用格式：调用格式：X,Y=MESHGRID(x,y)2、3维图形输出函数维图形输出函数 SURF(X,Y,Z)着色表面图着色表面图 MESH(X,Y,Z)网线图网线图u例如：例如：X,Y=meshgrid(-2:.2:2,-2:.2:2);Z=X.*exp(-X.2-Y.2);surf(X,Y,Z);MESH(X,Y,Z);程序中的函数说明程序中的函数说明遗传算法实验六遗传算法实验六遗传算法实验六程序代码如下：程序代码如下：x1,x2=meshgrid(-10:.1:10);%画出画出Shubert函数图像函数图像figure(1);mesh(x1,x2,shubert(x1,x2);%定义遗传算法参数定义遗传算法参数NIND=40;%个体数目个体数目MAXGEN=50;%最大遗传代数最大遗传代数NVAR=2;%变量数目变量数目PRECI=25;%变量的二进制位数变量的二进制位数GGAP=0.9;%代沟代沟遗传算法实验六%建立区域描述器建立区域描述器FieldD=rep(PRECI,1,NVAR);rep(-10;10,1,NVAR);rep(1;0;1;1,1,NVAR);%创建初始种群创建初始种群Chrom=crtbp(NIND,NVAR*PRECI);gen=0;%遗传算法性能跟踪初始值遗传算法性能跟踪初始值trace=zeros(MAXGEN,2);%初始种群十进制转换初始种群十进制转换x=bs2rv(Chrom,FieldD);%初始种群的目标函数值初始种群的目标函数值ObjV=Shubert(x(:,1),x(:,2);遗传算法实验六while genMAXGEN FitnV=ranking(ObjV);%分配适应度值分配适应度值 SelCh=select(sus,Chrom,FitnV,GGAP);SelCh=recombin(xovsp,SelCh,0.7);SelCh=mut(SelCh);x=bs2rv(SelCh,FieldD);ObjVSel=Shubert(x(:,1),x(:,2);Chrom ObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);gen=gen+1;遗传算法实验六 Y,I=min(ObjV);%输出每一次的最优解及其对应的自变量值输出每一次的最优解及其对应的自变量值 Y,bs2rv(Chrom(I,:),FieldD)%遗传算法性能跟踪遗传算法性能跟踪 trace(gen,1)=min(ObjV);trace(gen,2)=sum(ObjV)/length(ObjV);%迭代数为迭代数为50时画出目标函数值分布图时画出目标函数值分布图 if(gen=50)figure(2);plot(ObjV);hold on;plot(ObjV,b*);grid;endend遗传算法实验六figure(3);clf;plot(trace(:,1);hold on;plot(trace(:,2),-.);gridlegend(解的变化解的变化,种群均值的变化种群均值的变化)遗传算法实验六遗传算法实验六遗传算法实验六5.4 5.4 在多目标优化中的应用在多目标优化中的应用遗传算法实验六遗传算法实验六5.4.15.4.1多目标优化的概念多目标优化的概念遗传算法实验六遗传算法实验六5.4.15.4.1多目标优化的概念多目标优化的概念遗传算法实验六遗传算法实验六5.4.15.4.1多目标优化的概念多目标优化的概念遗传算法实验六遗传算法实验六5.4.15.4.1多目标优化的概念多目标优化的概念遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法遗传算法实验六遗传算法实验六5.4.3 5.4.3 应用举例应用举例遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法NIND=100;%个体数目个体数目MAXGEN=50;%最大遗传代数最大遗传代数NVAR=2;%变量个数变量个数PRECI=20;%变量的二进制位数变量的二进制位数GGAP=0.9;%代沟代沟trace1=;trace2=;trace3=;%性能跟踪性能跟踪%建立区域描述器建立区域描述器FieldD=rep(PRECI,1,NVAR);1,1;4,2;rep(1;0;1;1,1,NVAR);遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法Chrom=crtbp(NIND,NVAR*PRECI);%初始种群初始种群v=bs2rv(Chrom,FieldD);%初始种群十进制转换初始种群十进制转换gen=1;while genMAXGEN NIND,N=size(Chrom);M=fix(NIND/2);ObjV1=f1(v(1:M,:);%分组后第一目标函数值分组后第一目标函数值 FitnV1=ranking(ObjV1);%分配适应度值分配适应度值遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法 SelCh1=select(sus,Chrom(1:M,:),FitnV1,GGAP);ObjV2=f2(v(M+1:NIND,:);%分组后第二目标函数值分组后第二目标函数值 FitnV2=ranking(ObjV2);SelCh2=select(sus,Chrom(M+1):NIND,:),FitnV2,GGAP);%选择选择 SelCh=SelCh1;SelCh2;%合并合并 SelCh=recombin(xovsp,SelCh,0.7);%重组重组 Chrom=mut(SelCh);%变异变异 v=bs2rv(SelCh,FieldD);遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法 trace1(gen,1)=min(f1(v);trace1(gen,2)=sum(f1(v)/length(f1(v);trace2(gen,1)=min(f2(v);trace2(gen,2)=sum(f2(v)/length(f2(v);trace3(gen,1)=min(f1(v)+f2(v);trace3(gen,2)=sum(f1(v)/length(f1(v)+sum(f2(v)/length(f2(v);gen=gen+1;end遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法figure(1);clf;plot(trace1(:,1);hold on;plot(trace1(:,2),-.);plot(trace1(:,1),.);plot(trace1(:,2),.);grid on;legend(解的变化解的变化,种群均值的变化种群均值的变化)xlabel(迭代次数迭代次数);ylabel(第一目标函数值第一目标函数值);figure(2);clf;plot(trace2(:,1);hold on;plot(trace2(:,2),-.);plot(trace2(:,1),.);plot(trace2(:,2),.);grid;遗传算法实验六遗传算法实验六5.4.2 5.4.2 多目标优化问题的遗传算法多目标优化问题的遗传算法legend(解的变化解的变化,种群均值的变化种群均值的变化)xlabel(迭代次数迭代次数);ylabel(第二目标函数值第二目标函数值);figure(3);clf;plot(trace3(:,1);hold on;plot(trace3(:,2),-.);plot(trace3(:,1),.);plot(trace3(:,2),.);grid;legend(解的变化解的变化,种群均值的变化种群均值的变化)xlabel(迭代次数迭代次数);ylabel(目标函数值之和目标函数值之和);figure(4);clf;plot(f1(v);hold on;plot(f2(v),r-.);grid;遗传算法实验六遗传算法实验六50505050次迭代后第一目标函数的最优解及性跟踪次迭代后第一目标函数的最优解及性跟踪次迭代后第一目标函数的最优解及性跟踪次迭代后第一目标函数的最优解及性跟踪遗传算法实验六遗传算法实验六50505050次迭代后第二目标函数的最优解及性跟踪次迭代后第二目标函数的最优解及性跟踪次迭代后第二目标函数的最优解及性跟踪次迭代后第二目标函数的最优解及性跟踪遗传算法实验六遗传算法实验六50505050次迭代后两目标函数值之和的最优解及性跟踪次迭代后两目标函数值之和的最优解及性跟踪次迭代后两目标函数值之和的最优解及性跟踪次迭代后两目标函数值之和的最优解及性跟踪遗传算法实验六遗传算法实验六50505050次迭代后第一目标函数和第二目标函数值次迭代后第一目标函数和第二目标函数值次迭代后第一目标函数和第二目标函数值次迭代后第一目标函数和第二目标函数值遗传算法实验六遗传算法实验六