资源描述：
《matlab遗传算法工具箱函数及实例讲解(转引)》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、matlab遗传算法工具箱函数及实例讲解（转引）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)[precisionF_or_B],如precision--变量进行二进制编码时指定的精度 F_
2、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 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 evalF
3、N--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[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
4、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--传递给交叉函数的参数表,如[400;61003;41003;400]【注意】matlab工具箱函数必须放在工作目录下遗传算法实例1【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9【分析
5、】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'
6、,[],initPop,[1e-611],'maxGenTerm',25,'normGeomSelect',... [0.08],['arithXover'],[2],'nonUnifMutation',[2253])%25次遗传迭代运算借过为：x= 7.856224.8553(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。遗传算法实例2【问题】在－5<=Xi<=5,i=1,2区间内，求解 f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-e
7、xp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。【分析】种群大小10，最大代数1000，变异率0.1,交叉率0.3【程序清单】 ％源函数的matlab代码 function[eval]=f(sol) numv=size(sol,2); x=sol(1:numv); eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282; %适应度函数的matlab代码 function[sol,e
8、val]=fitness(sol,options) numv=size(s
