,范围是 [1, 2],函数的图像如下所示,目的是找到该函数在这个区间的最小值。
遗传算法的步骤就是首先对个体(染色体)进行二进制编码(十进制转二进制),设置成 0 1 编码的形式,目的是后续操作方便,然后随机产生初始的种群,设定好适应度的计算函数(也就是你要优化的函数)并计算每个个体适应度,然后采用轮盘赌算法(说的高大上,其实就是把适应度进行归一化当做选择的概率)进行选择操作,之后就随机设置个体两两配对就是交叉操作,再随机设置每一个对的交叉点位进行交叉操作,之后随机设置变异点位并按照概率将该点进行取反,也就是变异操作。就这样一直循环直至达到需要的精度或者设定的最大遗传代数。不说了,直接上代码,注释也很清楚,只是需要下载一个 gatbx 的依赖包。
具体下载和安装操作参见链接:
https://www.ilovematlab.cn/thread-202921-1-1.html
https://blog.csdn.net/weixin_43450646/article/details/106422060
% 时间:2020年5月28日16:36:29
% 说明:利用了gatbx工具箱内置函数
% 功能:利用遗传算法求解极小值问题
%% 遗传算法
clc, clear all, close all
%% 画函数图
%subplot(211);
hold on
lb = 1; ub = 2; % 函数的自变量范围
X = lb:0.01:ub;
Y = sin(10*pi.*X)./X;
plot(X,Y), grid on;
xlabel('自变量X')
ylabel('函数值Y')
%% 初始化遗传算法的参数
NIND = 20; % 个体的数目
MAXGEN = 30; % 遗传代数
PRECI = 20; % 设定变量的二进制位数,也就是精度
GGAP = 0.9; % 代与代之间的遗传比例
px = 0.3; % 交叉概率
pm = 0.01; % 变异概率
trace = zeros(2,MAXGEN); % 设置寻优结果的初值
FieldD = [PRECI;lb;ub;1;0;1;1]; % 区域描述器
Chrom = crtbp(NIND,PRECI); % 创建初始种群(染色体),creates a binary population of given size and structure
%% 优化
gen = 0; % 代计数器
X = bs2rv(Chrom, FieldD); % 计算内置种群的十进制转化,Binary string to real vector
ObjV = sin(10*pi*X)./X; % 计算目标函数值,Column vector containing the objective values of the individuals in the current population (cost values)
while gen<MAXGEN
FitnV = ranking(ObjV); % 分配适应度,返回适应度向量
SelCh = select('sus',Chrom,FitnV,GGAP); % 选择
SelCh = recombin('xovsp',SelCh,px); % 重组
SelCh = mut(SelCh,pm); % 变异
X = bs2rv(SelCh,FieldD); % 子代个体的十进制转换
ObjVSel = sin(10*pi*X)./X; % 计算子代个体的目标函数值
% 重新把子代插入父代生成新的一代
% reins的含义是 RE-INSertion of offspring in population replacing parents
[Chrom,ObjV] = reins(Chrom,SelCh,1,1,ObjV,ObjVSel);
X = bs2rv(Chrom,FieldD);
gen = gen+1;
% 获取每代的最优解 Y 和编号 I
[Y,I] = min(ObjV);
trace(1,gen) = X(I); % 记录当前最优的 X 值
trace(2,gen) = Y; % 记录当前最优的函数值
end
plot(trace(1,:),trace(2,:),'hb') % 画出每代的最小***
grid on
plot(X,ObjV,'r*'); % 画出最后一代的种群
hold off
%% 画进化图
% subplot(212);
figure
plot(1:MAXGEN,trace(2,:));
grid on
xlabel('遗传代数')
ylabel('解的变化')
title('进化过程')
bestX = trace(1,end);
bestY = trace(2,end);
fprintf(['最优解:\nX=',num2str(bestX),'\nY=',num2str(bestY),'\n'])
粒子群算法操作其实也很简单,首先就是随机初始化一群粒子,包括随机的位置和速度,然后设置好评价每一个微粒的适应度(类似遗传算法,这也就是你要优化的函数)。每个粒子都需要记录他们自身的之前所经过过的最好的位置以及了解整个群体中每个个体所知道的最好的位置,那么每一个粒子的下一步的运动方向就是依据我此前的最好位置和群体发现的最好位置之间的矢量合成方向。以此调整速度和位置直到满足最大的迭代次数或者满足误差最小值。
% 时间:2020年5月29日10:49:42
% 说明:不依赖外界安装包
% 功能:利用粒子群算法求解极小值问题
clear all; close all; clc; %#ok<CLALL>
% 参数设定
N = 100; % 粒子数量
D = 10; % 粒子的维数
T = 10; % 粒子群迭代次数
c1 = 1.5; % 学习因子
c2 = 1.5; % 学习因子
Wmax = 0.8; % 惯性权重
Wmin = 0.4; % 惯性权重
Xx = 1; % 位置最小值
Xs = 2; % 位置最大值
Vmax = 10; % 速度最大值
Vmin = -10; % 速度最小值
% 初始化个体位置和速度
x = rand(N,D)*(Xs-Xx)+Xx;
v = rand(N,D)*(Vmax-Vmin)+Vmin;
% 初始化每个个体的最优位置和最优值
p = x;
pbest = ones(N,1);
for i=1:N
pbest(i) = func(x(i,:),Xs,Xx);
end
% 初始化全局最优位置与最优值
g = ones(1,D);
gbest = inf;
for i=1:N
if(pbest(i)<gbest)
g = p(i,:);
gbest = pbest(i);
end
end
gb = ones(1,T);
% 按照公式迭代直至满足精度或者迭代次数
for i=1:T
for j=1:N
% 更新个体最优位置和最优值
if (func(x(j,:),Xs,Xx)<pbest(j))
p(j,:) = x(j,:);
pbest(j) = func(x(j,:),Xs,Xx);
end
% 更新全局最优位置和最优值
if (pbest(j)<gbest)
g=p(j,:);
gbest=pbest(j);
end
% 计算动态惯性权重
w=Wmax-(Wmax-Wmin)*i/T;
% 更新位置和速度
v(j,:)=w*v(j,:)+c1*rand*(p(j,:)-x(j,:))+c2*rand*(g-x(j,:));
% 边界条件处理
for ii=1:D
if (v(j,ii)<Vmin)||(v(j,ii)>Vmax)
v(j,ii) = rand*(Vmax-Vmin)+Vmin;
end
end
vx(j,:)=1./(1+exp(-v(j,:)));
for jj=1:D
if vx(j,jj)>rand
x(j,jj) = 1;
else
x(j,jj) = 0;
end
end
end
gb(i) = gbest;
end
g; %最优个体
m=0;
for j=1:D
m=g(j)*2^(j-1)+m;
end
f1 = Xx + m*(Xs-Xx)/(2^D-1); %最优值
figure
plot(gb)
grid on
xlabel('迭代次数')
ylabel('适应度值')
title('适应度进化曲线')
%% 适应度函数
function result = func(x,Xs,Xx)
m = 0;
D = length(x);
for j=1:D
m=x(j)*2^(j-1)+m;
end
f = Xx+m*(Xs-Xx)/(2^D-1); %译码成十进制数
fit = sin(10*pi*f)./f;
result=fit;
end
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数