搜索策略实验

《搜索策略实验》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、搜索策略实验指导书实验一.最优化方法一、实验H的1、掌握最优化问题的概念及方法。2、掌握黄金分割法的实现方法。二、实验内容用黄金分割法求两数：/(x)=3x4-16x3+30兀2—24x+8在［0,3］上的极小值。三、实验步骤1、求精确解。令得兀1=1，兀2=2,因为/(兀］)=1,/(兀2)=0,而/(坷)

2、olddiv.mo用黄金分割法求函数的最小值。function［x,yzz］=golddiv(a0zbO)a(1)=a0;b(l)=bO;e=le-9;u(l)=a(l)+0.382*(b(l)-a(l));v(l)=a(l)+0.618*(b(l)-a(l));k=l;while(1)ifb(k)-a(k)<=ex=(b(k)+a(k))/2;y=f(x);break;elseiff(u(k))>f(v{k))a(k+1)=u(k);b(k+1)=b(k);u(k+1)=v(k);v(k+l)=a(k+

3、l)+O.618*(b(k+1)-a(k+1));elsea(k+1)=a(k);b(k+1)=v(k);v(k+1)=u(k);u(k+l)=a(k+1)+0.382*(b(k+1)-a(k+1));endendk=k+l;endA=[abl/u,zv,]%如果不需要迭代过程可以省略z=k-l;(1)在命令窗口输入:[x,y,z]=golddiv(0,3)输出结果:x=2.00000103127767y=6.3806737671257e-012z=42四、实验体会实验二、粒子群优化算法•、实验H的3、

4、掌握有信息的搜索和探索的概念。4、掌握启发式搜索的基本思想。5、熟悉全局搜索的概念及其算法思想。6、了解粒子群优化算法的思想以及实现方法。二、实验原理粒子群优化是一种新兴的基于群体智能的启发式全局搜索算法，其实启发式搜索就是对穷举的一种优化，让每次搜索都更接近目标。这就要通过估值函数实现，对于这类问题，找到一个佔值函数是关键。佔值函数：从当前点出发到目标点的花费。其实从这个理念上说，好像和分支界限法有些类似，都是在穷举的基础上对搜素优化。启发式搜索方法A*：F(n)=G(n)+H(n);注：F(n)表示从

5、起点到终点经过n这个节点的可能距离。G(n)是起点到节点N的最短距离(这个是贪心遍历出来的)；H(n)是节点N到终点的预估距离。三、实验步骤1、建立函数的M文件fitness.m,计算粒子的适应度。functionresult=fitness(x,D)sum=0;fori=l:Dsum=sum+x(i)A2;endresult=sum;2、建立函数的M文件Untitled.rrio(1)首先先给定初始化条件，定义搜索空间的维数D、初始化群体个体数口N并设置精度eps等。w=0.7298;MaxDT=100

6、0;N=40;eps=10A(-6);(1)初始化种群的个体，计算各个粒子的适应度。fori=l:Np(i)=fitness(x(i,:),D);y(iz:)=x(i,:);(2)根据迭代次数和精度要求，找到粒子群中全局最优位置和得到的优化极值。fort=l:MaxDTfori=l:Nv(i,:)=w*v(i,:)+cl*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));x(i,:)=x(i,:)+v(i,:);iffitness(x(iz:)zD)

7、tness(x(i,:)9D);y(i,:)=x(iz:);endifp(i)