恢复`GA`

打开实时脚本

默认，GA每次运行时，都会创建一个新的初始人口。但是，通过使用以前的运行中的最终人群作为新运行的初始人口，您可能会获得更好的结果。为此，您必须通过打电话来保存最终人口GA使用语法

[x，fval，exitflag，output，final_pop] = ga（@fitnessfcn，nvars）;

最后的输出论点是最终人口。跑步GA使用final_pop作为初始人口，输入

选项= optimoptions（'ga'，，，，“初始pop'，final_pop）;[X，FVAL，EXITFLAG，输出，Final_pop2] =...ga（@fitnessfcn，nvars，[]，[]，[]，[]，[]，[]，[]，[]，options）;

然后您可以使用final_pop2，第二次奔跑的最终人口是第三次运行的初始人口。

例如，最小化Ackley的函数，这是两个变量的函数。

RNG（100）％用于重生[x，fval，exitflag，output，final_pop] = ga（@ackleyfcn，2）;

优化终止：健身价值的平均变化小于选项。功能耐力。

检查最佳功能值。

disp（FVAL）

3.5527

尝试通过运行获得更好的解决方案GA来自最终人口。

选项= optimoptions（'ga'，，，，“初始人群”，final_pop）;[x，fval2，exitflag2，output2，final_pop2] =...ga（@ackleyfcn，2，[]，[]，[]，[]，[]，[]，[]，[]，options）;

优化终止：健身价值的平均变化小于选项。功能耐力。

disp（fval2）

2.9886

健身函数值可显着提高。

再次尝试改进解决方案。

options.initialPopulationMatrix = final_pop2;[x，fval3，exitflag3，output3，final_pop3] =...ga（@ackleyfcn，2，[]，[]，[]，[]，[]，[]，[]，[]，options）;

优化终止：健身价值的平均变化小于选项。功能耐力。

disp（fval3）

2.9846

这次改进微不足道。

恢复GA