遺傳算法實(shí)例參考ppt課件-文庫(kù)吧資料
2025-05-13 02:31本頁(yè)面
【正文】 ] NewChrom=mutbga(OldChrom,FieldDR,[1/4 ]) NewChrom =[ ] ? fix： Round towards zero. FIX(X) rounds the elements of X to the nearest integers towards zero. ? Examp： fix()=1, fix()=8 fix([ 。0 0 1 1] delta=[ 。如： MutMx=[0 0 0 1。 ] FieldDR=[100 50 30 20。 ? 舉例： OldChrom=[ 。 NewChrom=mutbga(OldChrom, FieldDR) NewChrom=mutbga(OldChrom, FieldDR, MutOpt) FieldDR是一個(gè)矩陣，包含每個(gè)變量的邊界。 ? 1 2 3 1 2 3。 ? Example: ? MatIn = [1 2 3] ? REPN = [1 2]: MatOut = [1 2 3 1 2 3] ? REPN = [2 1]: MatOut = [1 2 3。 ? 舉例： P81 ? rep：矩陣復(fù)制。 ? 算法說(shuō)明： rebin檢測(cè)輸入?yún)?shù)的一致性并調(diào)用低級(jí)重組函數(shù)。 NewChrom=rebin(REC_F, Chrom) NewChrom=rebin(REC_F, Chrom, RecOpt) NewChrom=rebin(REC_F, Chrom, RecOpt, SUBPOP) ? 低級(jí)重組函數(shù)： xovsp—— 單點(diǎn)交叉。 ? rebin：完成種群 Chrom中個(gè)體的重組，在新種群 NewChrom中返回重組后的個(gè)體。 4 14 24] ? 概率最小的被淘汰了 —— [2 12 22]? ? sus：隨機(jī)遍歷抽樣。 3 13 23。sus39。 3 13 23。 SelCh=select(SEL_F, Chrom, FitnV) SelCh=select(SEL_F, Chrom, FitnV, GGAP) SelCh=select(SEL_F, Chrom, FitnV, GGAP, SUBPOP) ? 舉例： chrom=[1 11 21。 使用線性排序和壓差為 2， 估算 適應(yīng)度值 FitnV=ranking(ObjV) FitnV =[ 0 ]’ ? 舉例：使用 RFun中的值估算適應(yīng)度值 RFun=[3 5 7 10 14 18 25 30 40 50]’ FitnV=ranking(ObjV, RFun) FitnV=[50 40 30 25 3 5 7 10 14]’ ? FitnV表明了每個(gè)個(gè)體被選擇的預(yù)期概率。 ? ranking：基于排序的適應(yīng)度分配。 然后按火力點(diǎn)編號(hào)分配 pij值： for i=1:m for j=1:15 chrom(i, j)=p( chrom(i,j), j )。 ? ObjV=targetalloc(Chrom)。 BaseV=[2 2 2 2]。 1 0 1 1。 BaseV=crtbase( [2 3], [6 9] ) BaseV=[ 6 6 9 9 9] ? crtbp： 創(chuàng)建一元素為隨機(jī)數(shù)的種群矩陣 [Chrom, Lind, BaseV]=crtbp(Nind, Lind) [Chrom, Lind, BaseV]=crtbp(Nind, BaseV) [Chrom, Lind, BaseV]=crtbp(Nind, Lind, Base) Chrom：染色體矩陣； Lind：長(zhǎng)度； BaseV：基本字符。當(dāng)描述染色體結(jié)果的基因?yàn)榛咀址麜r(shí)，最后一選項(xiàng)是有用的。當(dāng)計(jì)算結(jié)果大于估計(jì)值時(shí)就基本達(dá)到了目的，但并不一定是最優(yōu)解。 %重插入 end ? 經(jīng)過(guò)遺傳迭代后，目標(biāo)分配方案如下：（可能的一種方案） 目標(biāo)編號(hào) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1