[原创]基于遗传算法模拟退火举例

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

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。

本帖隐藏的内容

1. function SA_GA_ExampleI()
   
2. clc;
   
3. clear all
   
4. ub_lb=[-5 -5;5 5];
   
5. %  ub_lb的设置其中第一行是下界第二行是上界
   
6. Population=10;
   
7. MaxIteration=10;
   
8. SelectionProbability=0.9;
   
9. CrossoverProbability=0.7;
   
10. MutationProbability=0.01;
    
11. NumberofIndividuals=2;
    
12. traceX=zeros(MaxIteration,NumberofIndividuals);
    
13. traceY=zeros(1,MaxIteration);
    
14. Precision=8;
    
15. %  以上为参数的设置
    
16. FielD=[repmat(Precision,1,NumberofIndividuals);ub_lb;repmat([1;0;1;1],1,NumberofIndividuals)];
    
17. 
    
18. Iteration=0;
    
19. 
    
20. Chromsome=CRTBP(Population,NumberofIndividuals*Precision);
    
21. X=BS2RV(Chromsome,FielD);
    
22. ObjV=ObjVfun(X);
    
23. 
    
24. while Iteration<MaxIteration
    
25.     FitV=RANKING(ObjV);
    
26.     SelCh=SELECT('SUS',Chromsome,FitV,SelectionProbability);
    
27.     SelCh=RECOMBIN('XOVSP',SelCh,CrossoverProbability);
    
28.     SelCh=MUT(SelCh,MutationProbability);
    
29.    
    
30.     X=BS2RV(SelCh,FielD);
    
31.     ObjSelV=ObjVfun(X);
    
32.    
    
33.     [Chromsome,ObjV]=REINS(Chromsome,SelCh,1,1,ObjV,ObjSelV);
    
34.     X=BS2RV(Chromsome,FielD);
    
35.    
    
36.     Iteration=Iteration+1;
    
37.     [fval,index]=min(ObjV);
    
38.     traceY(Iteration)=fval;
    
39.     traceX(Iteration,:)=X(index,:);
    
40. end
    
41. figure(1)
    
42. set(figure(1),'color','w')
    
43. hold on
    
44. plot(traceY,'ro','markerfacecolor','r','markersize',12,'markeredgecolor','k')
    
45. grid on
    
46. legend('The Best FvalPath')
    
47. hold off
    
48. YY=traceY(end);
    
49. disp(['The Best Fval= ',num2str(YY)])
    
50. end
    
51. 
    
52. %  目标函数与建立最优初始值结果
    
53. function Obj=ObjVfun(X)
    
54. %  X是初始值矩阵
    
55. N=size(X,1);
    
56. ObjectiveFunction = @fun;
    
57. lb = [-5 -5];
    
58. ub = [5 5];
    
59. options = saoptimset('MaxIter',300,'StallIterLim',200,'TolFun',1e-20,'AnnealingFcn',@annealingfast,...
    
60.     'InitialTemperature',100,'TemperatureFcn',@temperatureexp,'ReannealInterval',500);
    
61. Obj=zeros(N,1);
    
62. for i=1:N
    
63.     [~,fval]=simulannealbnd(ObjectiveFunction,X(i,:),lb,ub,options);
    
64.     Obj(i)=fval;
    
65. end
    
66. end
    
67. 
    
68. %  目标函数
    
69. %  y = (4 - 2.1*x(1)^2 + x(1)^4/3)*x(1)^2 + x(1)*x(2) + (-4 +
    
70. %  4*x(2)^2)*x(2)^2;
    
71. %  Rastrigin's function
    
72. function y=fun(x)
    
73. y = 20 + x(1)^2 + x(2)^2 - 10*(cos(2*pi*x(1))+cos(2*pi*x(2)));
    
74. 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

1. function SA_GA_Example()
   
2. clc;
   
3. clear all
   
4. ub_lb=[-5 -5;5 5];
   
5. %  种群
   
6. %  基于遗传算法的参数设置
   
7. Population=40;
   
8. MaxIteration=20;
   
9. SelectionProbability=0.9;
   
10. CrossoverProbability=0.7;
    
11. MutationProbability=0.01;
    
12. NumberofIndividuals=2;
    
13. Precision=20;
    
14. %  基于模拟退火算法的参数设置
    
15. Temp=90;
    
16. a=0.97;
    
17. T_end=3;
    
18. %  用于跟踪遗传算法最优的变量和解值
    
19. TraceY=zeros(MaxIteration,1);
    
20. TraceX=zeros(MaxIteration,NumberofIndividuals);
    
21. %  用于跟踪模拟退火的最优变量和解值
    
22. BestY=100;
    
23. BestX=100*ones(1,2);
    
24. 
    
25. %  建立区域扫描区间
    
26. FielD=[repmat(Precision,1,NumberofIndividuals);ub_lb;repmat([1;0;1;1],1,NumberofIndividuals)];
    
27. %  初始化染色体
    
28. Chromsome=CRTBP(Population,NumberofIndividuals*Precision);
    
29. %  将二进制数转化为十进制数
    
30. X=BS2RV(Chromsome,FielD);
    
31. ObjV=ObjVfun(X);
    
32. 
    
33. while Temp>=T_end
    
34.     Iteration=0;
    
35.     while Iteration<MaxIteration
    
36.         FitV=RANKING(ObjV);
    
37.         SelCh=SELECT('SUS',Chromsome,FitV,SelectionProbability);
    
38.         SelCh=RECOMBIN('XOVSP',SelCh,CrossoverProbability);
    
39.         SelCh=MUT(SelCh,MutationProbability);
    
40.         
    
41.         X=BS2RV(SelCh,FielD);
    
42.         ObjSelV=ObjVfun(X);
    
43.         [Chromsome,ObjV]=REINS(Chromsome,SelCh,1,1,ObjV,ObjSelV);
    
44.         X=BS2RV(Chromsome,FielD);
    
45.         
    
46.         Iteration=Iteration+1;
    
47.         [Fval,Index]=min(ObjV);
    
48.         TraceY(Iteration)=Fval;
    
49.         TraceX(Iteration,:)=X(Index,:);
    
50.     end
    
51.    
    
52.     [FvalY,I]=min(TraceY);
    
53.     if FvalY<=BestY
    
54.         BestY=[BestY FvalY];
    
55.         BestX=TraceX(I,:);
    
56.     elseif rand<exp(-(FvalY-BestY)/Temp)
    
57.         BestY=[BestY FvalY];
    
58.         BestX=TraceX(I,:);
    
59.     else
    
60.         BestY=[BestY BestY(end)];
    
61.     end
    
62.     Temp=Temp*a;
    
63. end
    
64. figure(1)
    
65. set(figure(1),'color','w')
    
66. hold on
    
67. plot(2*(1:length(BestY)),BestY,'ro','markerfacecolor','r','markersize',8,'markeredgecolor','k')
    
68. grid on
    
69. legend('The BestY FvalPath')
    
70. hold off
    
71. X1=BestX(1);
    
72. X2=BestX(2);        
    
73. disp(['The X1 value is',num2str(X1),' and The X2 value is',num2str(X2)])   
    
74. end
    
75. 
    
76. %  列向量目标函数
    
77. function Obj=ObjVfun(X)
    
78. N=size(X,1);
    
79. Obj=zeros(N,1);
    
80. for i=1:N
    
81.     Obj(i)=fun(X(i,:));
    
82. end
    
83. end
    
84. 
    
85. %  目标函数
    
86. %  y = (4 - 2.1*x(1)^2 + x(1)^4/3)*x(1)^2 + x(1)*x(2) + (-4 +
    
87. %  4*x(2)^2)*x(2)^2;
    
88. %  Rastrigin's function
    
89. function y=fun(x)
    
90. y = 20 + x(1)^2 + x(2)^2 - 10*(cos(2*pi*x(1))+cos(2*pi*x(2)));
    
91. end

复制代码

The X1 value is-4.7684e-006 and The X2 value is-4.7684e-006

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

关键词：模拟退火 遗传算法 Individuals Probability Individual 谢菲尔德 工具箱 大学

楼主这么好的贴居然没人顶！

fantuanxiaot 发表于 2014-11-5 00:18
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 ...

没代码呀。。。

johnsenzfs 发表于 2014-11-5 09:13
没代码呀。。。

原来是来自手机

腻害腻害

看看都是些什么！

好厉害的样子！

看不懂？？？

路过。。。。。。。。。。。。。。。。。。。

感谢分享！顶大神！