資源簡介
f=100*(x.^2-y).^2+(1-x).^2,遺傳算法函數優化,二元一次函數參考,經運行,可實現,里面hanshuga2.m是遺傳算法優化代碼,tuxing2是函數圖像代碼
代碼片段和文件信息
%********************************************************************遺傳算法優化二元函數**
function[X]=hanshuga2??%M函數
clear?all;close?all;clc;?%釋放所有變量,關閉圖形窗口,清除命令窗口
tic;%計時器開始計時
n=200;ger=200;pc=0.9;pm=0.05;?%n是染色體的個數,ger是遺傳的代數,pc是交叉概率??pm是變異概率
v=cadeia(n44000);???%調用了后面的函數,產生n=100個染色體,每個染色體長度為44的二進制字符,v是100X44的矩陣
v1=v(:1:22);
v2=v(:23:44);
[NL]=size(v1);%N是矩陣v的行數為100,L是矩陣v的列數為44
disp(sprintf(‘Number?of?generationgs:?%d‘ger));
disp(sprintf(‘Population?size:?%d‘N));
disp(sprintf(‘Crossover?probability:?%.3f‘pc));
disp(sprintf(‘Mutationg?probability:?%.3f‘pm));
xmin=-2.048;xmax=2.048;%參數最小值,參數最大值
ymin=-2.048;ymax=2.048;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%畫出待優化函數的三維網線圖%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
x0=-2.048:0.08359:2.048;%以下四行是畫三維曲面/網線圖的數據準備
y0=-2.048:0.08359:2.048;
[X
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????5934??2018-06-13?16:18??函數二\hanshuga2.m
?????文件????????184??2018-06-13?16:15??函數二\tuxing2.m
?????目錄??????????0??2018-06-13?16:16??函數二
-----------?---------??----------?-----??----
?????????????????6118????????????????????3
- 上一篇:IBM BLM戰略規劃模型介紹
- 下一篇:大數據從入門到精通全套視頻
評論
共有 條評論