1 简介
作为一种处理非线性,非正态高维数据的新兴统计方法,投影寻踪技术在众多领域得到广泛应用并取得了一系列可喜的成果.本文运用遗传投影寻踪分类模型,将多维评价指标综合为一维投影值,并在此基础上建立单属性指标分类等级区间对各地区进行综合评价分类和排序,进而为宏观经济决策提供一定的科学依据.
2 部分代码
f=randi([0,1],NP,L); %随机获得初始种群%%%%%%%%%%%%%%%%%%%%%%%%%遗传算法循环%%%%%%%%%%%%%%%%%%%%%%%%for k=1:G%%%%%%%%%%%%将二进制解码为定义域范围内十进制%%%%%%%%%%%%%%for i=1:NPU=f(i,:);m=0;for j=1:Lm=U(j)*2^(j-1)+m;endx(i)=Xx+m*(Xs-Xx)/(2^L-1);Fit(i)= func1(x(i));endmaxFit=max(Fit); %最大值minFit=min(Fit); %最小值rr=find(Fit==maxFit);fBest=f(rr(1,1),:); %历代最优个体xBest=x(rr(1,1));Fit=(Fit-minFit)/(maxFit-minFit); %归一化适应度值%%%%%%%%%%%%%%%%%%基于轮盘赌的复制操作%%%%%%%%%%%%%%%%%%%sum_Fit=sum(Fit);fitvalue=Fit./sum_Fit;fitvalue=cumsum(fitvalue);ms=sort(rand(NP,1));fiti=1;newi=1;while newi<=NPif (ms(newi))<fitvalue(fiti)nf(newi,:)=f(fiti,:);newi=newi+1;elsefiti=fiti+1;endend%%%%%%%%%%%%%%%%%%%%%%基于概率的交叉操作%%%%%%%%%%%%%%%%%%for i=1:2:NPp=rand;if p<Pcq=randi([0,1],1,L);for j=1:Lif q(j)==1;temp=nf(i+1,j);nf(i+1,j)=nf(i,j);nf(i,j)=temp;endendendend%%%%%%%%%%%%%%%%%%%基于概率的变异操作%%%%%%%%%%%%%%%%%%%%%%%i=1;while i<=round(NP*Pm)h=randi([1,NP],1,1); %随机选取一个需要变异的染色体for j=1:round(L*Pm)g=randi([1,L],1,1); %随机需要变异的基因数nf(h,g)=~nf(h,g);endi=i+1;endf=nf;f(1,:)=fBest; %保留最优个体在新种群中trace(k)=maxFit; %历代最优适应度endxBest; %最优个体figureplot(trace)xlabel('迭代次数')ylabel('目标函数值')title('适应度进化曲线')
3 仿真结果

4 参考文献
[1]胡松华. 基于遗传算法的投影寻踪分类模型在区域经济综合评价中的应用[J]. 经济与社会发展研究, 2014(A06):3.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。
本文探讨了遗传算法在投影寻踪分类模型中的应用,通过将多维指标转化为一维投影值,对区域经济进行综合评价和排序。利用遗传算法进行优化,实现种群的进化和适应度最大化,为宏观经济决策提供科学依据。代码示例展示了遗传算法的实施过程,包括种群初始化、适应度计算、选择、交叉和变异操作。最终,通过适应度曲线展示了算法的收敛性。
499

被折叠的 条评论
为什么被折叠?



