多變數優化問題遺傳演算法matlab工具箱

『壹』 matlab遺傳演算法工具箱優化結果數值

ga就是在窮舉不可能完成時,用一種方式找到最優解
ga工具的完整形式如下表示
[X,FVAL,EXITFLAG,OUTPUT,POPULATION,SCORES] =
GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub,NONLCON,options)
X是最優自變數
FVAL是求得的最優值
其他以此是推出標志，結構體，終止時的總群，終止時種群函數值
後半部分以此是目標函數，目標函數自變數個數
A和b是線性約束不等式AX〈b
Aeq和beq是一對線性等式約束，AeqX=beq
lb是X值下限，ub是X值下限
NONLCON是非線性約束函數 options是運行方式。這兩個可以寫函數自己完成，也可默認
函數默認計算最小值，計算最大值要加負號

『貳』 matlab的遺傳演算法優化工具箱怎麼用

如果按照默認設來置來運行GA，輸入源fitness函數和未知量個數，就可以運行了。通常，優化問題的目標函數就是fitness函數。如果想重新設置一下GA的參數，可在options處，設置，具體參數設置還要看看幫助文件。

『叄』 如何用遺傳演算法實現多變數的最優化問題

是不是像求函數最值那樣子？建議你了解一下遺傳演算法的實數編碼，這個對於求函數最值很方便，不用像二進制那樣需要轉換。

簡單介紹一下思路：
最重要的是確定適應度函數，只要確定這個函數就很容易了，就用你不會編程，直接調用matlab的工具箱就行了。

1st.設置種群規模，並初始化種群p，並計算各個個體的適應度。
例如，20個個體，每個個體包含5個變數，x1,x2,x3,x4,x5.
如果你用matlab來編程的話，這個可以很容易實現，會用到random('unif',a,b)這個函數吧。
例如x1的取值范圍是[0,1],那麼x1=random('unif',0,1).

2nd.採用輪盤賭選出可以產生後代的父本,p_parents。
額，輪盤賭的實質就是適應度大的被選出的概率大。這個不難，但說起來比較長，你可以自己去看一下。

3rd.雜交過程的思路隨機將p_parents中的個體隨機兩兩配對，然後隨機產生一個1到n的數（n為變數的個數），設為i,交換每對父本中i之後的變數值。交換以後的p_parents成為後代p_offspring.
這里變起來有點點復雜，不過只要耐心一點，編好配對過程和交換過程。

4th.變異過程，這個比較簡單，不過需要自己把握的較好。
基本的思路是設置一個概率，例如0.05，然後產生一個隨機數如果隨機數比0.05小那麼這個變數值就要產生微小的增加或減少。
這個變異過程要歷遍p_offspring所有的變數喔。

5th.將p和p_offspring合並起來，然後選出適應度大的，重新構成一個如原始種群規模相等的種群。

『肆』 MATLAB遺傳演算法工具箱求解非線性多目標優化問題

將下屬兩個目標函數分別保存在兩個m文件中
function f1=func1(x) %第一目標函數
f1=x(:,1).*x(:,1)./4+x(:,2).*x(:,2)./4;
function f2=func2(x) %第二目標函數
f2=x(:,1).*(1-x(:,2))+10;

function GA()
clear;clc;close all
NIND=100; %個體數目
MAXGEN=50; %最大遺傳代數
NVAR=2; %變數個數
PRECI=20; %變數的二進制位數
GGAP=0.9; %代溝
trace1=[];trace2=[];trace3=[]; %性能跟蹤
%建立區域描述器
% rep([PRECI],[1,NVAR])
FieldD=[rep([PRECI],[1,NVAR]);rep([1;2],[1,NVAR]);rep([1;0;1;1],[1,NVAR])];
Chrom=crtbp(NIND,NVAR*PRECI); %初始種群
v=bs2rv(Chrom,FieldD) ; %初始種群十進制轉換
gen=1;
while gen<MAXGEN,
[NIND,N]=size(Chrom);
M=fix(NIND/2);
ObjV1=func1(v(1:M,:)); %分組後第一目標函數值
FitnV1=ranking(ObjV1); %分配適應度值
SelCh1=select('sus',Chrom(1:M,:),FitnV1,GGAP); %選擇
ObjV2=func2(v(M+1:NIND,:)); %分組後第二目標函數值
FitnV2=ranking(ObjV2); %分配適應度值
SelCh2=select('sus',Chrom(M+1:NIND,:),FitnV2,GGAP); %選擇
SelCh=[SelCh1;SelCh2]; %合並
SelCh=recombin('xovsp',SelCh,0.7); %重組
Chrom=mut(SelCh); %變異
v=bs2rv(Chrom,FieldD);
trace1(gen,1)=min(func1(v));
trace1(gen,2)=sum(func1(v))/length(func1(v));
trace2(gen,1)=min(func2(v));
trace2(gen,2)=sum(func2(v))/length(func2(v));
trace3(gen,1)=min(func1(v)+func2(v));
trace3(gen,2)=sum(func1(v))/length(func1(v))+sum(func2(v))/length(func2(v));
gen=gen+1;
end
figure(1);clf;
plot(trace1(:,1));hold on;plot(trace1(:,2),'-.');
plot(trace1(:,1),'.');plot(trace1(:,2),'.');grid on;
legend('解的變化','種群均值的變化')
xlabel('迭代次數');ylabel('目標函數值');
figure(2);clf;
plot(trace2(:,1));hold on;
plot(trace2(:,2),'-.');
plot(trace2(:,1),'.');
plot(trace2(:,2),'.');grid;
legend('解的變化','種群均值的變化');
xlabel('迭代次數');ylabel('目標函數值');
figure(3);clf;
plot(trace3(:,1));hold on;
plot(trace3(:,2),'-.');
plot(trace3(:,1),'.');
plot(trace3(:,2),'.');grid;
legend('解的變化','種群均值的變化');
xlabel('迭代次數');ylabel('目標函數值');
figure(4);clf;plot(func1(v));hold on;
plot(func2(v),'r-.');grid;

『伍』 如何用遺傳演算法實現多變數的最優化問題

將多個變數的數值編碼編排進去，進行組合，只需要增長基因個體的長度，但是要明確每個變數具體的位置，然後讓每個變數轉化成二進制的等長編碼，組合在一起，就可以來運算了。
具體操作步驟如下：
1、首先要利用一個矩陣去跟蹤每組迭代的結果的大小：
2、然後，要構造一個解碼矩陣FieldD，由bs2rv函數將種群Chrom根據解碼矩陣換成時值向量，返回十進制的矩陣：
且FieldD矩陣的結構如下：
3、要先將目標函數顯示出來，看看基本的函數的形式：
4、設計遺傳演算法的參數估計：
5、經遺傳演算法之後，這個最優解的位置是：(圖中標記藍點的位置)

『陸』 如何調用MATLAB遺傳演算法工具箱

1、打開MATLAB軟體。

『柒』 運用MATLAB遺傳演算法工具箱求解非線性多目標優化問題，煩請高人指點！

matlab中沒有rep這個函數，需要你自己定義這個函數。

『捌』 用遺傳演算法工具箱求解一個多目標優化問題，現在需要一個matlab程序，求高人指點

用遺傳演算法工具箱求解一個多目標優化問題的步驟：

1、根據題意，建立自定專義目標函數，ga_fun1(x)

2、在命令窗屬口中，輸入

>> optimtool %調用遺傳演算法工具箱

3、在遺傳演算法工具箱界面中，分別對Fitnessfunction框內輸入@ga_fun1（）；A框內輸入[1,1,1]；b框內輸入16；Aeq框內輸入[]；beq框內輸入[]；Lower框內輸入[0,0,0]；Upper框內輸入[]；

4、單擊Start。得到x=4.508 y=2.513 z=1.912值。

『玖』 MATLAB遺傳演算法工具箱優化變數定義問題

你定義的目標函數有問題。應把h1、h2、h3看成一個變數組，即h=[h1,h2,h3]，即
function y=Fitfun1（h）
y=25*h(1)+50*h(2)-10*h(3) %為了說回明問題，把函數表達答式寫成該形式
如還不能理解，最好把具體問題貼出來，包括其約束條件，以便我們幫助你。

『拾』 matlab優化工具箱中遺傳演算法的問題

ga就是在窮舉不可能完成時,用一種方式找到最優解
ga工具的完整形式如下表示
[X,FVAL,EXITFLAG,OUTPUT,POPULATION,SCORES] =
GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub,NONLCON,options)
X是最優自變數
FVAL是求得的最優值
其他以此是推出標志，結構體，終止時的總群，終止時種群函數值
後半部分以此是目標函數，目標函數自變數個數
A和b是線性約束不等式AX〈b
Aeq和beq是一對線性等式約束，AeqX=beq
lb是X值下限，ub是X值下限
NONLCON是非線性約束函數 options是運行方式。這兩個可以寫函數自己完成，也可默認
函數默認計算最小值，計算最大值要加負號

非線性約束條件的寫法
function [c,ceq]=nonlcon(x) 定義函數自變數是x,x可以是一列矩陣
c=[]; c表示非線性等式約束,以為沒有,所以為空
ceq=[x(1)-2*(x(2))^2;
x(1)+X(2) ] ceq是非線性不等式約束,默認ceq<=0,ceq可以為一列矩陣.
>>