MATLAB遺傳算法學習 Sheffield的gatbx （1）

        入門matlab遺傳算法的時候，若是你找來一本書，例如雷英傑的《matlab遺傳算法工具箱及其應用》，先看概念，看數學原理，看懂了，看例子，再開始寫程序，將是一個「漫長」的過程。我的認爲最快的方法是從例子開始，先簡單粗略地掃過幾個重要的概念、算法流程圖，而後找一本書，跟着書敲出例子，在命令窗口下一行一行地看每一句代碼出來什麼結果。

        matlab遺傳算法方面好像沒有什麼好書，中文的書好像最流行《matlab遺傳算法工具箱及其應用》，我看的就是這一本。書中的第一個例子是一元函數和優化，由於是掃描版，只能本身慢慢敲，貼在這裏，須要的直接複製粘貼吧

        注意你複製粘貼後，可能引號、逗號會變成中文格式，在matlab中顯示爲紅色，你要改一下。

Figure(1);%（注：原文F大寫，應該小寫figure(1)，下面的figure(2)也同樣。）

fplot(‘variable .* sin(10 * pi * variable) + 2.0’,[-1, 2]);%畫出目標函數圖

%定義遺傳算法參數

NIND = 40;%個體數目

MAXGEN = 25;%最大遺傳代數

PRECI = 20;%變量的二進制位數（注：也就是精度）

GGAP = 0.9;%代溝

trace = zeros(2, MAXGEN);%尋優結果，初始值

FieldD = [20; -1;2;1;0;1;1];%區域描述器

Chrom = crtbp(NIND,PRECI);%初始種羣

gen = 0;%代計數器

variable = bs2rv(Chrom,FieldD);%初始種羣轉成十進制數

ObjV = variable .* sin(10 * pi * variable) + 2.0;%目標函數值

while gen <= MAXGEN,

FitnV = ranking(-ObjV);%分配適應度值

%（注：函數ranking的功能是：基於排序的適應度值分配，根據個體的目標值由小到大的順序對它們進行排序，並返回一包含對應個體適應度值FitnV的列向量。
壓差是指：分配的個體適應度值的差距，最好的和最壞的，他對原來的函數值沒有影響，只是根據原來的函數值來分配一個體現個體優劣的一個值。）

SelCh = select('sus',Chrom,FitnV,GGAP);%選擇

SelCh = recombin('xovsp',SelCh,0.7);%重組，即交叉

SelCh = mut(SelCh); %變異

variable = bs2rv(SelCh,FieldD);%子代十進制轉換

ObjVSel = variable .* sin(10 * pi * variable) + 2.0;%子代目標函數值

[Chrom ObjV] = reins(Chrom, SelCh, 1, 1, ObjV, ObjVSel);%重插入子代新種羣

gen = gen + 1; %(注：matlab不支持gen += 1）

[Y,I] = max(ObjV),hold on;

plot(variable(I), Y, ‘bo’);

trace(1, gen) = max(ObjV); %遺傳算法性能跟蹤

trace(2, gen) = sum(ObjV) / length(ObjV);

end

variable = bs2rv(Chrom, FieldD);%最優個體的十進制轉換

hold on,

grid;

plot(variable‘, ObjV’, 'b*');

Figure(2);

plot(trace(1, :));

hold on

plot(trace(2, :),'-.'); grid;

legend('解的變化', '種羣均值的變化');

 

未完待續