遗传算法流程图?遗传算法的基本原理?遗传算法 交叉和变异?简单遗传算法MATLAB实现(4)

对上一节中的函数进行优化，设置遗传算法相关参数，程序如下

function run_ga() elitism = true;%选择精英操作 pop_size = 20;%种群大小 chromo_size = 16;%染色体大小 generation_size = 200;%迭代次数 cross_rate = 0.6;%交叉概率 mutate_rate = 0.01;%变异概率 [m,n,p,q] = GeneticAlgorithm(pop_size, chromo_size, generation_size, cross_rate, mutate_rate,elitism); disp "最优个体" m disp "最优适应度" n disp "最优个体对应自变量值" q disp "得到最优结果的代数" p clear;

结果如下：

"最优个体"

m =

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0

"最优适应度"

n =

4.0000

"最优个体对应自变量值"

q =

1.0000

"得到最优结果的代数"

p =

74

此结果非常准确。

算法迭代过程图形：

从上图中可以看出，随着迭代次数的增加，算法逐渐收敛。

3. 总结

本文详细的介绍了简单遗传算法的实现过程，并以一个简单的函数优化作为案例说明了其应用。但是由于该测试函数过于简单，在实际的应用过程中，还需要对相关参数进行调整，使其效率得到更大的提高。

posted on

Powered by:
博客园
Copyright © Alex Yu

以上就是关于遗传算法流程图的全部内容，相信你一定会非常满意。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shenmilingyu/article-13665-4.html