资源描述：
《matlab遗传算法工具箱实例讲解》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、【分享】matlab遗传算法工具箱函数及实例讲解[i=s]本帖最后由messenger于2009-10-1411:09编辑[/i]核心函数：(1)function[pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数【输出参数】 pop--生成的初始种群【输入参数】 num--种群中的个体数目 bounds--代表变量的上下界的矩阵 eevalFN--适应度函数 eevalOps--传递给适应度函数的参数 options--选择编码形式(浮点编码或是二进制编码)[p
2、recisionF_or_B],如 precision--变量进行二进制编码时指定的精度 F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度) (2)function[x,endPop,bPop,traceInfo]=ga(bounds,evalFN,evalOps,startPop,opts,... termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数 【输出参数】 x--求得的最优解
3、 endPop--最终得到的种群 bPop--最优种群的一个搜索轨迹 【输入参数】 bounds--代表变量上下界的矩阵 evalFN--适应度函数 evalOps--传递给适应度函数的参数 startPop-初始种群 opts[epsilonprob_opsdisplay]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-610] termFN--终止函数的名称,如['maxGenTerm'] termOps--传递个终止函数的参数,如
4、[100] selectFN--选择函数的名称,如['normGeomSelect'] selectOps--传递个选择函数的参数,如[0.08] xOverFNs--交叉函数名称表，以空格分开，如['arithXoverheuristicXoversimpleXover'] xOverOps--传递给交叉函数的参数表，如[20;23;20] mutFNs--变异函数表，如['boundaryMutationmultiNonUnifMutationnonUnifMutationunifMutation'] mutOps
5、--传递给交叉函数的参数表,如[400;61003;41003;400] matlab遗传算法工具箱addoil发表于2003-10-2512:32回复：【分享】matlab遗传算法工具箱函数及实例讲解[i=s]本帖最后由messenger于2009-5-1816:10编辑[/i]【注意】matlab工具箱函数必须放在工作目录下【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08【程序清单】 %编写目
6、标函数 function[sol,eval]=fitness(sol,options) x=sol(1); eval=x+10*sin(5*x)+7*cos(4*x); %把上述函数存储为fitness.m文件并放在工作目录下 initPop=initializega(10,[09],'fitness');%生成初始种群，大小为10 [xendPop,bPop,trace]=ga([09],'fitness',[],initPop,[1e-611],'maxGenTerm',25,'normGeomSe
7、lect',... [0.08],['arithXover'],[2],'nonUnifMutation',[2253])%25次遗传迭代 运算结果为：x= 7.8562 24.8553(当x为7.8562时，f（x）取最大值24.8553) 注：遗传算法一般用来取得近似最优解，而不是最优解。另外遗传算法的收敛性跟其初始值有关，大家运行上面的命令所得到的借过可能跟我的借过不同或是差别很大。但多执行几次上面的命令（随即取不同的初始群体）一定可以得到近似最优解。addoil发表于2003-10-2513:01回复：【分享】matlab遗传算
8、法工具箱函数及实例讲解大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多
