数学建模专题之遗传算法资料.ppt

C为目标函数界限的保守估计值。 6 遗传算法的实现 Matlab的GA函数调用 第一步：编写适应度函数； 第二步：对GA参数进行设置； options = gaoptimset(‘参数名’, 参数值, …, ‘参数名’, 参数值) 例:options = gaoptimset(PopulationSize, 100) 第三步：调用GA函数； [x fval] = ga(@fitnessfun, nvars) [x fval exitflag output population scores] = ga(@fitnessfcn, nvars) [x fval] = ga(@fitnessfun, nvars, [],[],[],[],[],[],[],options)； specify any linear equality, linear inequality, or nonlinear constraints 6 遗传算法的实现 Matlab的GA函数调用 [x fval] = ga(@fitnessfun, nvars, [],[],[],[],[],[],[], options)； fitnessfcn — Fitness function nvars — Number of variables for the problem Aineq — Matrix for inequality constraints Bineq — Vector for inequality constraints Aeq — Matrix for equality constraints Beq — Vector for equality constraints LB — Lower bound on x UB — Upper bound on x nonlcon — Nonlinear constraint Function options — Options structure 6 遗传算法的实现 根据原理编写属于自己的GA 参考资源 [1]王小平，曹立明.遗传算法——理论、应用与软件实现.西安交通大学出版社，2002.1 [2]朱福喜，朱三元，伍春香.人工智能基础教程.清华大学出版社，2006.3 [3]刘金琨.机器人控制系统的设计与MATLAB仿真.清华大学出版社，2008.6 [4] 雷英杰，张善文，李旭武.MATLAB遗传算法工具箱及应用.西安电子科技大学出版社，2005.4 [5]求是科技.MATLAB7.0从入门到精通.人民邮电出版社，2006.3 [6]/wiki/Genetic_algorithm [7]/wiki/Traveling_salesman_problem 作业 1、利用遗传算法求函数的最小值： 2、利用遗传算法求BP网络的权重和阈值； 3、熟悉Matlab的GA工具箱和函数； 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 990.0829 路径长度： 迁移代数： 50 4遗传算法求解巡回旅行商问题 4.3 计算仿真结果 701.7754 路径长度： 迁移代数： 100 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 624.1821 路径长度： 迁移代数： 150 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 523.2674 路径长度： 迁移代数： 200 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 491.4063 路径长度： 迁移代数： 250 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 453.1959 路径长度： 迁移代数： 300 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 430.3986 路径长度： 迁移代数： 350 4.3 计算仿真结果 424.8693 路径长度： 迁移代数： 400 Best 4 遗传算法求解巡回旅行商问题 距离为426.64Km的访问次序 距离为424.78Km的访问次序（最优） 距离为431.94Km的访问次序 4 遗传算法求解巡回旅行商问题 距离为424.78Km的访问次序（最优） 距离为466.30Km的访问次序 距离为454.75Km的访问次序 4 遗传算法求解巡回旅行商问题 4.4 关于遗传算法操作算子的验证 4 遗传算法求解巡回旅行商问题 “实验数据”课程所做的正交试验极差分析结果（迁移500代后退出的结果）。 对于上表，有（验证）以下基本结论： （1）遗传算法搜索求解能力与四个因素有关：群体规模、选择算子、交叉率和变异率 。 （2）从主到次依次为：交叉率——群体规模——选择算子——变异率。 （3）A3-B2-C1-D3是优选方案。 4 遗传算法求解巡回旅行商问题 左图（进行50次