[原创]基于遗传算法模拟退火举例-经管之家官网！

经济学管理学金融学统计学

您当前的位置> 会计>>

[原创]基于遗传算法模拟退火举例

人大经济论坛-经管之家：分享大学、考研、论文、会计、留学、数据、经济学、金融学、管理学、统计学、博弈论、统计年鉴、行业分析包括等相关资源。
经管之家是国内活跃的在线教育咨询平台!

提供"微信号、微博、抖音、快手、头条、小红书、百家号、企鹅号、UC号、一点资讯"等虚拟账号交易，真正实现买卖双方的共赢。【请点击这里访问】

TOP热门关键词

专题页面精选

一，基于遗传算法的模拟退火工具箱应用。用模拟退火工具箱试了试一个例子，发现全局收敛非常不稳定，总会收敛到局部，因子加入遗传算法就好很多了，以下是基于谢菲尔德大学的遗传算法的模拟退火算法，对MATLAB的模拟 ...

免费学术公开课,扫码加入

一，基于遗传算法的模拟退火工具箱应用。用模拟退火工具箱试了试一个例子，发现全局收敛非常不稳定，总会收敛到局部，因子加入遗传算法就好很多了，以下是基于谢菲尔德大学的遗传算法的模拟退火算法，对MATLAB的模拟退火工具箱进行改进。
[hide]

function SA_GA_ExampleI()
clc;
clear all
ub_lb=[-5 -5;5 5];
%ub_lb的设置其中第一行是下界第二行是上界
Population=10;
MaxIteration=10;
SelectionProbability=0.9;
CrossoverProbability=0.7;
MutationProbability=0.01;
NumberofIndividuals=2;
traceX=zeros(MaxIteration,NumberofIndividuals);
traceY=zeros(1,MaxIteration);
Precision=8;
%以上为参数的设置
FielD=[repmat(Precision,1,NumberofIndividuals);ub_lb;repmat([1;0;1;1],1,NumberofIndividuals)];
Iteration=0;
Chromsome=CRTBP(Population,NumberofIndividuals*Precision);
X=BS2RV(Chromsome,FielD);
ObjV=ObjVfun(X);
while Iteration<MaxIteration
FitV=RANKING(ObjV);
SelCh=SELECT('SUS',Chromsome,FitV,SelectionProbability);
SelCh=RECOMBIN('XOVSP',SelCh,CrossoverProbability);
SelCh=MUT(SelCh,MutationProbability);
X=BS2RV(SelCh,FielD);
ObjSelV=ObjVfun(X);
[Chromsome,ObjV]=REINS(Chromsome,SelCh,1,1,ObjV,ObjSelV);
X=BS2RV(Chromsome,FielD);
Iteration=Iteration+1;
[fval,index]=min(ObjV);
traceY(Iteration)=fval;
traceX(Iteration,:)=X(index,:);
end
figure(1)
set(figure(1),'color','w')
hold on
plot(traceY,'ro','markerfacecolor','r','markersize',12,'markeredgecolor','k')
grid on
legend('The Best FvalPath')
hold off
YY=traceY(end);
disp(['The Best Fval= ',num2str(YY)])
end
%目标函数与建立最优初始值结果
function Obj=ObjVfun(X)
%X是初始值矩阵
N=size(X,1);
ObjectiveFunction = @fun;
lb = [-5 -5];
ub = [5 5];
options = saoptimset('MaxIter',300,'StallIterLim',200,'TolFun',1e-20,'AnnealingFcn',@annealingfast,...
'InitialTemperature',100,'TemperatureFcn',@temperatureexp,'ReannealInterval',500);
Obj=zeros(N,1);
for i=1:N
[~,fval]=simulannealbnd(ObjectiveFunction,X(i,:),lb,ub,options);
Obj(i)=fval;
end
end
%目标函数
%y = (4 - 2.1*x(1)^2 + x(1)^4/3)*x(1)^2 + x(1)*x(2) + (-4 +
%4*x(2)^2)*x(2)^2;
%Rastrigin's function
function y=fun(x)
y = 20 + x(1)^2 + x(2)^2 - 10*(cos(2*pi*x(1))+cos(2*pi*x(2)));
end

复制代码
最终：The Best Fval= 2.0843e-007

二，基于遗传算法的模拟退火算法例子应用

function SA_GA_Example()
clc;
clear all
ub_lb=[-5 -5;5 5];
%种群
%基于遗传算法的参数设置
Population=40;
MaxIteration=20;
SelectionProbability=0.9;
CrossoverProbability=0.7;
MutationProbability=0.01;
NumberofIndividuals=2;
Precision=20;
%基于模拟退火算法的参数设置
Temp=90;
a=0.97;
T_end=3;
%用于跟踪遗传算法最优的变量和解值
TraceY=zeros(MaxIteration,1);
TraceX=zeros(MaxIteration,NumberofIndividuals);
%用于跟踪模拟退火的最优变量和解值
BestY=100;
BestX=100*ones(1,2);
%建立区域扫描区间
FielD=[repmat(Precision,1,NumberofIndividuals);ub_lb;repmat([1;0;1;1],1,NumberofIndividuals)];
%初始化染色体
Chromsome=CRTBP(Population,NumberofIndividuals*Precision);
%将二进制数转化为十进制数
X=BS2RV(Chromsome,FielD);
ObjV=ObjVfun(X);
while Temp>=T_end
Iteration=0;
while Iteration<MaxIteration
FitV=RANKING(ObjV);
SelCh=SELECT('SUS',Chromsome,FitV,SelectionProbability);
SelCh=RECOMBIN('XOVSP',SelCh,CrossoverProbability);
SelCh=MUT(SelCh,MutationProbability);
X=BS2RV(SelCh,FielD);
ObjSelV=ObjVfun(X);
[Chromsome,ObjV]=REINS(Chromsome,SelCh,1,1,ObjV,ObjSelV);
X=BS2RV(Chromsome,FielD);
Iteration=Iteration+1;
[Fval,Index]=min(ObjV);
TraceY(Iteration)=Fval;
TraceX(Iteration,:)=X(Index,:);
end
[FvalY,I]=min(TraceY);
if FvalY<=BestY
BestY=[BestY FvalY];
BestX=TraceX(I,:);
elseif rand<exp(-(FvalY-BestY)/Temp)
BestY=[BestY FvalY];
BestX=TraceX(I,:);
else
BestY=[BestY BestY(end)];
end
Temp=Temp*a;
end
figure(1)
set(figure(1),'color','w')
hold on
plot(2*(1:length(BestY)),BestY,'ro','markerfacecolor','r','markersize',8,'markeredgecolor','k')
grid on
legend('The BestY FvalPath')
hold off
X1=BestX(1);
X2=BestX(2);
disp(['The X1 value is',num2str(X1),' and The X2 value is',num2str(X2)])
end
%列向量目标函数
function Obj=ObjVfun(X)
N=size(X,1);
Obj=zeros(N,1);
for i=1:N
Obj(i)=fun(X(i,:));
end
end
%目标函数
%y = (4 - 2.1*x(1)^2 + x(1)^4/3)*x(1)^2 + x(1)*x(2) + (-4 +
%4*x(2)^2)*x(2)^2;
%Rastrigin's function
function y=fun(x)
y = 20 + x(1)^2 + x(2)^2 - 10*(cos(2*pi*x(1))+cos(2*pi*x(2)));
end

复制代码The X1 value is-4.7684e-006 and The X2 value is-4.7684e-006[/hide]

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP

本文关键词：

本文论坛网址：https://bbs.pinggu.org/thread-3331630-1-1.html

上一篇 | 中国人民大学经济学考研专业课真题

下一篇 | 专家挑战普京:油价跌破80美元世界经济不会 ...

会计库精彩帖子推荐更多

您可能感兴趣的文章

本站推荐的文章

人气文章

本文标题：[原创]基于遗传算法模拟退火举例

本文链接网址：https://bbs.pinggu.org/jg/huiji_huijiku_3331630_1.html

1.凡人大经济论坛-经管之家转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责；
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。

[原创]基于遗传算法模拟退火举例-经管之家官网！

会计库