主要内容

遗传算法的自定义输出功能

打开脚本

此示例显示了在遗传算法求解器中使用自定义输出函数GA。自定义输出功能执行以下任务：

  • 将人口的前两个组成部分的范围绘制为矩形。矩形的左侧和下侧位于x（1）和x（2）右侧和上侧分别处于各自的最大值。

  • 当最佳功能值下降下方时，请停止迭代0.1（目标函数的最小值是0）。

  • 将整个人口记录在一个名称的变量中间隙史在您的MATLAB®工作区中每10代。

  • 将初始交叉分数修改为自定义值0.2，然后将其更新回默认值0.825代后。初始设置0.2导致前几个迭代主要通过突变随机搜索。后来的设置0.8导致以下迭代主要通过现有人群成员的组合进行搜索。

目标功能

目标函数用于四维X其前两个组件是整数值的。

功能f = gaintobj（x）f = rastriginsfcn（[x（1）-6 x（2）-13]）;f = f + rastriginsfcn（[x（3）-3*pi x（4）-5*pi]）;

输出功能

自定义输出功能在初始化过程中设置了图，并在迭代过程中维护图。输出功能还暂停了0.1s因此，您可以看到图的发展。

功能[state，options，optchanged] = gaoutfun（选项，状态，标志）执着的H1历史记录r optchanged = false;转变旗帜案子'在里面'H1 =图；ax = gca;ax.xlim = [0 21];ax.ylim = [0 21];l1 = min（state.Population（：，1））;m1 = max（state.population（：，1））;l2 = min（state.Population（：，2））;m2 = max（state.population（：，2））;r =矩形（ax，'位置'，[L1 L2 M1-L1 M2-L2]）;历史记录（：，：，1）= state.Population;分配（'根据'，，，，“扩展史”，历史）;案子'iTer'％每10代更新历史记录。如果rem（state.generation，10）== 0 ss = size（历史记录，3）;历史记录（：，：，ss+1）= state.Population;分配（'根据'，，，，“扩展史”，历史）;结尾％找到最佳的目标函数，如果它很低，请停止。ibest = state.best（end）;ibest = find（state.score == ibest，1，'最后的'）；bestx = state.population（ibest，:);bestf = gaintobj（bestx）;如果BESTF <= 0.1状态。Stopflag='y';disp（“低于0.1”）结尾％更新图。图（H1）L1 = min（state.Population（：，1））;m1 = max（state.population（：，1））;l2 = min（state.Population（：，2））;m2 = max（state.population（：，2））;r.position = [L1 L2 M1-L1 M2-L2];暂停（0.1）％更新25代后突变和交叉的分数。如果state.generation == 25个选项。杂交= 0.8;optchanged = true;结尾案子'完毕'％包括历史上的最终人口。ss = size（历史记录，3）;历史记录（：，：，ss+1）= state.Population;分配（'根据'，，，，“扩展史”，历史）;结尾

问题设置和解决方案

设置下部和上限。

lb = [1 1 -30 -30];ub = [20 20 70 70];

设置整数变量和变量数。

intcon = [1 2];nvar = 4;

设置调用自定义输出功能的选项，最初几乎没有交叉。

选项= optimoptions（'ga'，，，，'outputfcn'，@gaoutfun，“跨界”，0.2）;

对于可重复性，请设置随机数生成器。

RNG默认

设置目标函数并调用求解器。

fun = @gaintobj;[x，fval] = ga（fun，nvar，[]，[]，[]，[]，[]，lb，ub，[]，intcon，options）
在0.1优化终止下终止：y x = 6.0000 13.0000 9.4201 15.7052 fval = 0.0059

输出函数停止了求解器。

查看记录的历史记录的大小。

disp（大小（间隙史））
40 4 6

有40 x 4人口矩阵的六个记录（40个个体，每个人是4个元素行矢量）。

相关话题