差分進(jìn)化算法入門-全文預(yù)覽
【正文】 (tTmax)for i=1:N%對每個個體進(jìn)行變異操作，得變異個體 while 21 a=floor(rand*N)+1。%計算每個個體的適應(yīng)度值及當(dāng)前種群的最優(yōu)值for i=2:N cost(i)=fitness(x(i,:),D)。cost=zeros(1,N)。y=[]。 b1=ones(1,30)*()。Tmax=input(39。)。請輸入縮放因子F=39。N=input(39。(7) 終止檢驗：由上述產(chǎn)生的新一代種群，設(shè)X(t+1)中的最優(yōu)個體為，如果達(dá)到最大進(jìn)化代數(shù)或滿足誤差要求，則停止進(jìn)化并輸出為最優(yōu)解，否則令t=t+1 ,轉(zhuǎn)(3)。(3) 個體評價：計算每個個體的適應(yīng)度值。本文的適應(yīng)度函數(shù)如無特殊說明均為目標(biāo)函數(shù)且為求函數(shù)極小值。這樣就得到了變異個體。差分進(jìn)化算法其基本思想是：首先由父代個體間的變異操作構(gòu)成變異個體；接著按一定的概率，父代個體與變異個體之間進(jìn)行交叉操作，生成一試驗個體；然后在父代個體與試驗個體之間根據(jù)適應(yīng)度的大小進(jìn)行貪婪選擇操作，保留較優(yōu)者，實現(xiàn)種群的進(jìn)化。與基本遺傳算法的主要區(qū)別在于變異操作上，如：傳統(tǒng)的遺傳算法采用二進(jìn)制編碼，而差分進(jìn)化算法采用實數(shù)編碼。它的整體結(jié)構(gòu)類似于遺傳算法，一樣都存在變異、交叉和選擇操作，但是它又不同于遺傳算法。變異是DE算法的主要操作，它是基于群體的差異向量來修正各個體的值，其基本原理是通過把種群中兩個個體的向量差加權(quán)后，按一定的規(guī)劃與第三個個體求和來產(chǎn)生新個體，然后將新個體與當(dāng)代種群中某個預(yù)先決定的個體相比較，如果新個體的目標(biāo)值優(yōu)于與之相比較的個體的目標(biāo)值，則在下一代中就用新個體取代，否則，舊個體仍保存下來。 變異操作對于每個個體按下式產(chǎn)生變異個體，則
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1