当前位置:   article > 正文

基于遗传算法和非线性规划的函数寻优算法(开源详细)_寻优函数python

寻优函数python

基于遗传算法和非线性规划的函数寻优算法

遗传算法简介

百度上讲的很清楚,笔者这里就不一一赘述了,故附上网址。
https://baike.baidu.com/item/%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/838140?fr=aladdin#2
下面是一般遗传算法的流程图,编程的思想就算基于这个的。
在这里插入图片描述

题目与分析

在这里插入图片描述

代码

clear
clc
gen = 30;
popsize = 50;
cp = 0.9;
mp = 0.05;
% 个体初始化
chrome = [];
fitness = [];
avgfitness = [];
bestfitness = [];
bestchrome = [];
for i = 1:popsize
    chrome(i,:) = randn(1,2);
    fitness(i) = fx2(chrome(i,:));
end
% 进化开始
for i = 1:gen
    [m,n] = size(chrome);
    % 选择
    chrome = select2(chrome);
    % 交叉
    chrome = cross2(cp,chrome);
    % 变异
    chrome = mutate2(mp,chrome);
    for j = 1:m
        fitness(i) = fx2(chrome(i,:));
    end
    avgfitness(i) = sum(fitness)/m;
    bestfitness(i) = min(fitness);
    [t,u] = min(fitness);
    bestchrome(i,:) = chrome(u,:);
end
plot(avgfitness)
hold on
plot(bestfitness)
plot(bestchrome)

function fval=fx2(x)
% 计算目标函数值即适应度
fval = -20*exp(-0.2*sqrt((x(1)*x(1)+x(2)*x(2))/2))-exp((cos(2*pi*x(1))+cos(2*pi*x(2)))/2)+20+2.71289;

function ret=select2(chrome)
% 采用轮盘赌对种群chrome进行选择
[m,n] = size(chrome);
for i = 1:m
    fitness(i) = fx2(chrome(i,:));
end
sumfitness = sum(fitness);
sumf = fitness/sumfitness;
index = [];
for i = 1:m
    pick = rand;
    while pick == 0
        pick = rand;
    end
    for j = 1:m
        pick = pick - sumf(j);
        if pick < 0
            index = [index j];
            break;
        end
    end
end
for i = 1:length(index)
    ret(i,:) = chrome(i,:);
end

function ret=cross2(pc,chrome)
% 进行种群的交叉
[m,n] = size(chrome);
for i = 1:m
    pick = rand(1,2);
    while prod(pick) == 0
        pick = rand(1,2);
    end
    index = ceil(pick.*m);
    pick = rand;
    while pick == 0
        pick = rand;
    end
    if pick > pc
        continue;
    end
    % 进行交叉
    v1 = chrome(index(1),:);
    v2 = chrome(index(2),:);
    temp1 = v1(1);
    temp2 = v2(1);
    v1(1) = temp2;
    v2(1) = temp1;
    if fx2(v1) < fx2(v2)
        v = v1;
    else
        v = v2;
    end
    ret(i,:) = v;
end

function chrome=mutate2(mp,chrome)
% 该函数用来对种群进行变异
[m,n] = size(chrome);
for i = 1:m
    pick = rand;
    while pick == 0
        pick = rand;
    end
    index = ceil(pick*m);
    pick = rand;
    if pick > mp
        continue;
    end
    while pick == 0
        pick = rand;
    end
    pos = ceil(pick*n);
    chrome(pos) = randn;
end
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 110
  • 111
  • 112
  • 113
  • 114
  • 115
  • 116
  • 117
  • 118

结果分析

收敛过早可能是交叉和遗传时没有采用二进制编码,所以过程比较简单,且没有使用工具箱造成的结果。但是大体的趋势是一样的,最终都趋于0这个值,在第六代左右时x的值也趋近于0。
在这里插入图片描述

本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号