17、基于MATLAB的网络路由仿真及相关算法解析

基于MATLAB的网络路由仿真及相关算法解析

1. 遗传算法（GA）在Rastrigin函数优化中的应用

在使用遗传算法（GA）进行Rastrigin函数优化时，种群多样性和适应度缩放等参数对优化结果有着重要影响。

1.1 种群多样性的影响

种群多样性可以通过个体间的标准距离来衡量。不同的初始范围设置会导致不同的优化结果：
- 初始范围为[1; 1.1] ：
- 操作步骤：在种群选项中设置初始范围字段为(1; 1.1)，将停止准则中的停滞代数设置为100，其余设置保持默认，然后点击开始。
- 结果：GA恢复的最佳健康工作估计值约为2。上部图显示每一代的最佳健康状况，在降低健康值方面进展甚微；下部图显示每一代个体间的公共部分，表明对于此初始范围设置，计算难以取得进展，因为常规安排过于微不足道。
- 初始范围为[1; 100] ：
- 操作步骤：将初始范围设置为[1; 100]，停止准则中的停滞代数仍为100，运行计算。
- 结果：GA恢复的最佳健康估计值约为3.3。遗传计算取得了一定进展，但由于个体间的标准距离过大，最佳个体离理想解决方案较远。不过，如果将停止准则中的代数和停滞代数设置为200，让GA运行更多代，它将找到一个更优的解决方案。
- 初始范围为[1; 2] ：
- 操作步骤：设置初始范围为[1; 2]，停止准则中的停滞代数为100，运行GA。
- 结果：获得的最佳繁荣估计值约为0.012，与前两种情况相比，遗传计算恢复了显著改进的结果，说明这种情况下的可承受组合具备