利用遗传算法进行优化的一个例子

weixin_41639107

于 2020-02-04 10:59:33 发布

阅读量1.2k

点赞数 1

分类专栏：优化问题

本文链接：https://blog.youkuaiyun.com/weixin_41639107/article/details/104166472

版权

该博客展示了如何使用遗传算法解决一个优化问题，其中优化变量包括x(1)和x(2)，约束范围为[-1,+1]。目标是找到使三个函数值最大化的最小值。经过运行，得到最优解x = [-0.9998, -0.4142]，目标函数值为-0.5856，因达到最大迭代次数终止，共进行了20代进化，总共评估了1050个个体。" 97551864,8211245,二维平面上的矩形点数,"['几何算法', '数学运算', '坐标处理']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

优化变量为自变量x(1)和x(2)；

约束为[-1,+1];

目标函数为三个函数值的最大值最小！

主函数：

clear all
fun = @max_f;%定义适度函数
nvars=2;%定义变量个数
A = [];
b = [];
Aeq = [];
beq = [];
lb = [-1 -1];
ub = [+1 +1];
%% Start with the default options
options = gaoptimset;
%% Modify options setting
options = gaoptimset(options,'Generations', 20);%定义代的数量
options = gaoptimset(options,'Display', 'off');
options = gaoptimset(options,'PlotFcns', {  @gaplotbestf @gaplotbestindiv });%显示最优适度函数和最优个体
[x,fval,exitflag,output,population,score] = ...
ga(@max_f,nvars,[],[],[],[],lb,ub,[],[],options);

适应度函数：

function f=max_f(x)
y1=x(1)^2+x(2)^+2*x(1)+x(2)-4
y2=x(1)*x(2)+x(1)
y3=x(1)*x(2)^2+x(2)
y=[y1 y2 y3]
f=max(y);%三个函数的最大值

计算结果如下：

最低0.47元/天解锁文章