没有合适的资源?快使用搜索试试~ 我知道了~
首页使用MATLAB遗传算法工具实例(免费).pdf
资源详情
资源评论
资源推荐
133
第八章 使用MATLAB遗传算法工具
最新发布的 MATLAB 7.0 Release 14已经包含了一个专门设计的遗传算法与直接搜索工具
箱(Genetic Algorithm and Direct Search Toolbox,GADS)。使用遗传算法与直接搜索工具箱,
可以扩展 MATLAB 及其优化工具箱在处理优化问题方面的能力,可以处理传统的优化技术难
以解决的问题,包括那些难以定义或不便于数学建模的问题,可以解决目标函数较复杂的问
题,比如目标函数不连续、或具有高度非线性、随机性以及目标函数没有导数的情况。
本章 8.1 节首先介绍这个遗传算法与直接搜索工具箱,其余各节分别介绍该工具箱中的遗
传算法工具及其使用方法。
8.1 遗传算法与直接搜索工具箱概述
本节介绍 MATLAB 的 GADS(遗传算法与直接搜索)工具箱的特点、图形用户界面及运
行要求,解释如何编写待优化函数的 M 文件,且通过举例加以阐明。
8.1.1 工具箱的特点
GADS 工具箱是一系列函数的集合,它们扩展了优化工具箱和 MATLAB 数值计算环境的
性能。遗传算法与直接搜索工具箱包含了要使用遗传算法和直接搜索算法来求解优化问题的
一些例程。这些算法使我们能够求解那些标准优化工具箱范围之外的各种优化问题。所有工
具箱函数都是 MATLAB 的 M 文件,这些文件由实现特定优化算法的 MATLAB 语句所写成。
使用语句
type function_name
就可以看到这些函数的 MATLAB 代码。我们也可以通过编写自己的 M 文件来实现来扩展遗
传算法和直接搜索工具箱的性能,也可以将该工具箱与 MATLAB 的其他工具箱或 Simulink 结
合使用,来求解优化问题。
工具箱函数可以通过图形界面或 MATLAB 命令行来访问,它们是用 MATLAB 语言编写
的,对用户开放,因此可以查看算法、修改源代码或生成用户函数。
遗传算法与直接搜索工具箱可以帮助我们求解那些不易用传统方法解决的问题,譬如表
查找问题等。
遗传算法与直接搜索工具箱有一个精心设计的图形用户界面,可以帮助我们直观、方便、
快速地求解最优化问题。
8.1.1.1 功能特点
遗传算法与直接搜索工具箱的功能特点如下:
(1) 图形用户界面和命令行函数可用来快速地描述问题、设置算法选项以及监控进程。
(2) 具有多个选项的遗传算法工具可用于问题创建、适应度计算、选择、交叉和变异。
(3) 直接搜索工具实现了一种模式搜索方法,其选项可用于定义网格尺寸、表
决方法和搜索方法。
(4) 遗传算法与直接搜索工具箱函数可与 MATLAB 的优化工具箱或其他的
MATLAB 程序结合使用。
(5) 支持自动的 M 代码生成。
8.1.1.2 图形用户界面和命令行函数
134
遗传算法工具函数可以通过命令行和图形用户界面来使用遗传算法。直接搜索工具函数
也可以通过命令行和图形用户界面来进行访问。图形用户界面可用来快速地定义问题、设置
算法选项、对优化问题进行详细定义。
遗传算法与直接搜索工具箱还同时提供了用于优化管理、性能监控及终止准则定义的工
具,同时还提供大量标准算法选项。
在优化运行的过程中,可以通过修改选项来细化最优解,更新性能结果。用户也可以提
供自己的算法选项来定制工具箱。
8.1.1.3 使用其他函数和求解器
遗传算法与直接搜索工具箱与 MATLAB 及优化工具箱是紧密结合在一起的。用户可以用
遗传算法或直接搜索算法来寻找最佳起始点,然后利用优化工具箱或用 MATLAB 程序来进一
步寻找最优解。通过结合不同的算法,可以充分地发挥 MATLAB 和工具箱的功能以提高求
解的质量。对于某些特定问题,使用这种方法还可以得到全局(最优)解。
8.1.1.4 显示、监控和输出结果
遗传算法与直接搜索工具箱还包括一系列绘图函数用来可视化优化结果。这些可视化功
能直观地显示了优化的过程,并且允许在执行过程中进行修改。
工具箱还包括一系列绘图函数用来可视化优化结果。这些可视化功能直观地显示了优化
的过程,并且允许在执行过程中进行修改。该工具箱还提供了一些特殊绘图函数,它们不仅
适用于遗传算法,还适用于直接搜索算法。适用于遗传算法的函数包括函数值、适应度值和
函数估计。适用于直接搜索算法的函数包括函数值、分值直方图、系谱、适应度值、网格尺
寸和函数估计。这些函数可以将多个绘图一并显示,可直观方便地选取最优曲线。另外,用
户也可以添加自己的绘图函数。
使用输出函数可以将结果写入文件,产生用户自己的终止准则,也可以写入用户自己的
图形界面来运行工具箱求解器。除此之外,还可以将问题的算法选项导出,以便日后再将它
们导入到图形界面中去。
8.1.1.5 所需的产品支持
遗传算法与直接搜索工具箱作为其他优化方法的补充,可以用来寻找最佳起始点,然后
可以再通过使用传统的优化技术来进一步寻找最优解。
工具箱需要如下产品支持:(1) MATLAB。(2) 优化工具箱。
8.1.1.6 相关产品
与遗传算法与直接搜索工具箱相关的产品有:
(1) 统计工具箱——应用统计算法和概率模式。
(2) 神经网络工具箱——设计和仿真神经网络。
(3) 模糊逻辑工具箱——设计和仿真基于模糊逻辑的系统。
(4) 金融工具箱——分析金融数据和开发金融算法。
8.1.1.7 所需的系统及平台
遗传算法和直接搜索工具箱对于对于运行环境、支持平台和系统的需求,可随时通过访
问网站 http://www.mathworks.com/products/gads 了解最新发布的信息。
这里介绍的 MATLAB 7.0 Release 14 所需的最低配置是:Windows 系列操作系统,Pentium
III 500 CPU、64MB RAM,空闲硬盘空间 600MB 以上。
8.1.2 编写待优化函数的M文件
为了使用遗传算法和直接搜索工具箱,首先必须编写一个 M 文件,来确定想要优化的函
数。这个 M 文件应该接受一个行向量,并且返回一个标量。行向量的长度就是目标函数中独
立变量的个数。本节将通过实例解释如何编写这种 M 文件。
8.1.2.1 编写 M 文件举例
下面的例子展示了如何为一个想要优化的函数编写M文件。假定我们想要计算下面函数的
最小值:
22
12 1 12 1 2 2
(, ) 2 6 6
f
xx x xx x x x
M文件确定这个函数必须接受一个长度为2的行向量X,分别与变量x1和x2相对应,并且
返回一个标量X,其值等于该函数的值。为了编写这个M文件,执行如下步骤:
(1) 在MATLAB的File菜单中选择New菜单项。
(2) 选择M-File,将在编辑器中打开一个新的M文件。
(3) 在该M文件中,输入下面两行代码:
function z = my_fun(x)
z = x(1)^2 - 2*x(1)*x(2) + 6*x(1) + x(2)^2 - 6*x(2);
(4) 在MATLAB路径指定的目录中保存该M文件。
为了查看该M文件是否返回正确的值,可键入
my_fun([2 3])
ans =
-5
注意:在运行遗传算法工具或模式搜索工具时,不要使用编辑器或调试器来调试目标函数
的M文件,否则会导致在命令窗口出现Java异常消息,并且使调试更加困难。
8.1.2.2 最大化与最小化
遗传算法和直接搜索工具箱中的优化函数总是使目标函数或适应度函数最小化。也就是
说,它们求解如下形式的问题:
minimize ( )
x
f
x
如果我们想要求出函数f(x)的最大值,可以转而求取函数g(x)=-f(x)的最小值,因为函数g(x)
最小值出现的地方与函数f(x)最大值出现的地方相同。
例如,假定想要求前面所描述的函数
2
12 1 12 1 2 2
(, ) 2 6 6
2
f
xx x xx x x x 的最大值,这时,
我们应当编写一个M文件来计算,求函数
22
12 1 12 1 2 2
() ( , ) ( 2 6 6 )
g
xfxx xxxxxx
的最小值。
8.1.2.3 自动代码生成
遗传算法与直接搜索工具箱提供了自动代码生成特性,可以自动生成求解优化问题所需
要的 M 文件。例如,图 8.1 所示的就是使用遗传算法工具的自动代码生成特性所产生的 M 文
件。
另外,图形用户界面所输出的优化结果可以作为对来自命令行调用代码的一种解释,这
些代码还用于使例程和保护工作自动化。
135
图8.1 遗传算法M文件代码的自动生成
8.2 使用遗传算法工具初步
遗传算法与直接搜索工具箱包含遗传算法工具和直接搜索工具。从本节至章末,将主要
介绍其中的遗传算法工具及其使用方法。
本节主要介绍遗传算法工具使用的初步知识,内容包括:遗传算法使用规则,遗传算法
工具的使用方式,举例说明如何使用遗传算法来求解一个优化问题,解释遗传算法的一些基
本术语,最后阐述遗传算法的工作原理与工作过程。
8.2.1 遗传算法使用规则
遗传算法是一种基于自然选择、生物进化过程来求解问题的方法。遗传算法反复修改对
于个体解决方案的种群。在每一步,遗传算法随机地从当前种群中选择若干个体作为父辈,
并且使用它们产生下一代的子种群。在连续若干代之后,种群朝着优化解的方向进化。我们
可以用遗传算法来求解各种不适宜于用标准优化算法求解的优化问题,包括目标函数不连续、
不可微、随机或高度非线性的问题。
遗传算法在每一步使用下列三类规则从当前种群来创建下一代:
(1) 选择规则(Selection rules),选择对下一代种群有贡献的个体,称为父辈。
(2) 交叉规则(Crossover rules),将两个父辈结合起来构成下一代的子辈种群。
(3) 变异规则(Mutation rules),施加随机变化给父辈个体来构成子辈。
遗传算法与标准优化算法主要在两个方面有所不同,它们的比较情况归纳于表 8.1 中。
表8.1 遗传算法与标准优化算法比较
标准算法 遗传算法
每次迭代产生一个单点,点的序列
逼近一个优化解
每次迭代产生一个种群,种群逼近
一个优化解
通过确定性的计算在该序列中选
择下一个点
通过随机进化选择计算来选择下
一代种群
136
137
8.2.2 遗传算法使用方式
遗传算法工具有两种使用方式:
(1) 以命令行方式调用遗传算法函数ga。
(2) 使用遗传算法工具,从图形用户界面到遗传算法。
本节对这些方式做一个简要的介绍。
8.2.2.1 在命令行调用函数 ga
对于在命令行使用遗传算法,可以用下列语法调用遗传算法函数ga:
[x fval] = ga(@fitnessfun, nvars, options)
其中:@fitnessfun 是适应度函数句柄;nvars 是适应度函数的独立变量的个数;options 是一
个包含遗传算法选项参数的结构。如果不传递选项参数,则ga使用它本身的缺省选项值。
函数所给出的结果:fval——适应度函数的最终值;x——最终值到达的点。
我们可以十分方便地把遗传算法工具输出的结果直接返回到MATLAB的workspace(工作
空间),或以不同的选项从M文件多次调用函数ga来运行遗传算法。
调用函数ga时,需要提供一个选项结构options。后面的有关章节对于在命令行使用函数ga
和创建选项结构options提供了详细的描述。
8.2.2.2 通过 GUI 使用遗传算法
遗传算法工具有一个图形用户界面 GUI,它使我们可以使用遗传算法而不用工作在命令
行方式。为了打开遗传算法工具,可键入
gatool
打开的遗传算法工具图形用户界面如图 8.2 所示。
剩余66页未读,继续阅读
NanoT_XC
- 粉丝: 0
- 资源: 21
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 27页智慧街道信息化建设综合解决方案.pptx
- 计算机二级Ms-Office选择题汇总.doc
- 单链表的插入和删除实验报告 (2).docx
- 单链表的插入和删除实验报告.pdf
- 物联网智能终端项目设备管理方案.pdf
- 如何打造品牌的模式.doc
- 样式控制与页面布局.pdf
- 武汉理工Java实验报告(二).docx
- 2021线上新品消费趋势报告.pdf
- 第3章 Matlab中的矩阵及其运算.docx
- 基于Web的人力资源管理系统的必要性和可行性.doc
- 基于一阶倒立摆的matlab仿真实验.doc
- 速运公司物流管理模式研究教材
- 大数据与管理.pptx
- 单片机课程设计之步进电机.doc
- 大数据与数据挖掘.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0