遺傳算法GA(goat工具箱)

 

function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)

輸出參數：

pop 生成的初始種群

輸入參數：

num 種群中個體數目

bounds 代表變量的上下界的矩陣

eevalFN 適應度函數

eevalOps 傳遞給適應度函數的參數

options 選擇編碼形式（浮點編碼或二進制編碼）

  precision 變量進行二進制編碼時指定的精度

 

function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,...
termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)

輸出參數：

x 求得的最優解

endPop 最終得到的種群

bPop 最優種群的一個搜索軌跡

輸入參數：

bounds 代表變量上下界的矩陣

evalFN 適應度函數

evalOps 傳遞給適應度函數的參數

startPop 初始種群

opts[epsilon prob_ops display] opts(1:2)等同於initializega的options參數，第三個參數控制是否輸出，一般為0。

如[1e-6 1 0]

termFN 終止函數的名稱

termOps 傳遞終止函數的參數

selectFN 選擇函數的名稱

selectOps 傳遞選擇函數的參數

xOverFNs 交叉函數名稱表

xOverOps 傳遞給交叉函數的參數表

mutFNs 變異函數表

 

 

 

1.求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9
選擇二進制編碼，種群中的個體數目為10，二進制編碼長度為20，交叉概率為0.95,變異概率為0.08

function[sol,eval]=fitness(sol,options)
x=sol(1);
eval=x+10*sin(5*x)+7*cos(4*x);
end

 

>> initPop=initializega(10,[0 10],'fitness');
[x endPop,bPop,trace]=ga([0 10],'fitness',[],initPop,...
  [1e-6 1 1],'maxGenTerm',25,'normGeomSelect',...
  [0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]);

>> bPop

bPop =

    1.0000    9.3320   20.3311
    4.0000    7.8404   24.8068
    9.0000    7.8448   24.8296
   11.0000    7.8467   24.8373
   13.0000    7.8565   24.8554
   25.0000    7.8565   24.8554

>> x

x =

    7.8565   24.8554
當x為7.8565時，f（x）取最大值24.8554

 sol它的每行代表種群中的一個個體，假如有n個變量，那么每行的前n列就代表每個變量的值，如x1,x2....,xn，最后一列代表的是這些變量的適應值，也就是eval。由於intializega函數執行時，要調用fitness函數，並且傳遞給fitness函數一個個體的信息，該個體信息是1行n+1列的向量，所以sol得到的值實際是1行n+1列的向量，但是計算適應值只有用到前n個信息就行了，即用到（x1,x2....,xn）的值，因此fitness調用sol(1:n).
一般情況下x只是單變量，即n=1,所以就會出現調用sol(1)了

 

 

假設有多個自變量

function [sol,eval]=fitness(sol,options)
numvar=size(sol,2)-1;%求出自變量個數 假設有多個自變量
x=sol(1:numvar);
eval=-(sum(x.^2));%適應度函數
end