资源描述：
《实验三基本遗传算法设计实验.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、实验三、基本遗传算法设计实验一、实验目的1、了解基本遗传算法全局优化一般思路2、掌握选择、交叉、变异算子如何实现3、轮盘赌方法(roulettewheelmodel)如何用程序方法实现4、适应度函数设计方法二、实验内容1、初始化处理。2、神经网络的MATLAB实现三、实验步骤1、熟悉MATLAB开发环境2、输入参考程序3、设置断点，运行程序，观察运行结果四、参考程序1、初始化functionresult=Initial(length)fori=1:lengthr=rand();result(i)=round(r);end2、Matlab实现----十进制与二进制转换nfu
2、nctiony=Dec(a,b,x,L)nbase=2.^((L-1):-1:0);ny=dot(base,x);ny=a+y*(b-a)/(2^L-1);3、Matlab实现---适应度函数计算nfunctionF=fitness(x)nF=20+x+10*sin(4*x)+8*cos(3*x);1、Matlab实现----GA()function[xv,fv]=GA(fitness,a,b,NP,NG,pc,pm)L=24;%L=ceil(log((b-a)/eps+1))L=24x=zeros(NP,L);fori=1:NP;x(i,:)=Initial(L);fx
3、(i)=fitness(Dec(a,b,x(i,:),L));endfork=1:NGsumfx=sum(fx);px=fx/sumfx;ppx=0;ppx(1)=px(1);fori=2:NPppx(i)=ppx(i-1)+px(i);endfori=1:NPsita=rand();forn=1:NPifsita<=ppx(n)SelFather=n;break;endendSelMother=floor(rand()*(NP-1))+1;posCut=floor(rand()*(L-2))+1;r1=rand();ifr1<=pcnx(i,1:posCut)=x(Se
4、lFather,1:posCut);nx(i,(posCut+1):L)=x(SelMother,(posCut+1):L);r2=rand();ifr2<=pmposMut=round(rand()*(L-1)+1);nx(i,posMut)=~nx(i,posMut);endelsenx(i,:)=x(SelFather,:);endendx=nx;fori=1:NPfx(i)=fitness(Dec(a,b,x(i,:),L));endendfv=-inf;fori=1:NPfitx=fitness(Dec(a,b,x(i,:),L));iffitx>fvfv=fi
5、tx;xv=Dec(a,b,x(i,:),L);endendn5、Matlab实现----主程序na=0;nb=10;nNP=50;nNG=10000;npc=0.6;npm=0.04;nn[xv,fv]=GA(@fitness,a,b,NP,NG,pc,pm);ndisp“最优个体"nxvndisp“最优适应度"nnFv6、实验结果五、思考题1、如何求最小值并考虑怎样修改程序：f（x）=x2-10x+16z[0,31]的最小值（其中x取整数）?2、如何求最小值并考虑怎样修改程序：f（x）=x2-10x+16[0,10]的最小值(其中要求x精确到小数点后六位)?
