遗传算法实验七精要.ppt

§5.5 图形界面的Matlab遗传算法工具箱 gatool图形界面窗口中各选项说明 一、适应度函数参数 Fitness function—定义适应度函数 极小化问题的适应度函数句柄，一般格式为@objfun,其中objfun.m 是极小化问题适应度函数的M文件，在使用 gatool 之前，先用MATLAB的M文件编辑器进行编辑。 Number of variables—适应度函数中独立的变量个数。 一、适应度函数参数 Constraints—约束条件 Linear inequalities—输入线性不等式约束条件A*x = b，其中A为一矩阵，而b为一向量； Linear equalities—输入线性等式约束条件Aeq*x = beq，其中Aeq为一矩阵，而beq为一向量； 一、适应度函数参数 Bounds—变量边界 Lower—变量下界向量 Upper—变量上界向量 Nonlinear constraint function—定义非线性约束函数，一般格式为@ nonlcon,其中nonlcon.m是非线性约束函数的M文件，在使用gatool之前，先用MATLAB的M文件编辑器编辑好. 二、绘图参数（Plot Functions） Plot interval—指定相邻两次调用图形函数时的遗传代数； Best fitness plots—画出每一代最佳适应值和平均适应值； Best individual plots—画出当前最佳适应度个体； Distance plots—画出每一代个体之间的平均距离； 二、绘图参数（Plot Functions） Expectation plots—画出与每一代原始得分对应的期望子代数； Genealogy plots—画出从一代到下一代的个体谱系。其中红线表示变异子辈；兰线表示交叉子辈；黑线表示原始个体。 Range plots—画出每一代中最大、最小和平均适应度函数值。 Score diversity plots—画出每一代的得分直方图。 二、绘图参数（Plot Functions） Scores plots—画出每一代个体的得分。 Selection plots—画出双亲直方图 Stopping plots—画出停止条件水平 Custom—用户自定义绘图函数，一般格式为@ myplotfcn,其中myplotfcn.m是用户自定义绘图函数的M文件，在使用gatool之前，先用MATLAB的M文件编辑器编辑好. 三、种群参数（Population Options） Population type—指定适应度函数的输入数据类型。其中 Double vector表示输入数据双精度向量； Bit string表示输入数据位串； Custom表示输入数据为自定义类型，此时用户必须自己编写创建变异和交叉函数来接受这种类型种群的输入。 Population size—指定种群规模 三、种群参数（Population Options） Creation function—指定创建初始种群的函数。其中 Uniform创建具有均匀分布的随机初始种群； Custom由用户自定义创建函数。 Initial population—指定初始种群 Initial scores—指定种群的初始适应值 Initial range——指定被创建函数生成的初始种群向量范围。 四、适应度比例参数(Fitness Scaling Options) Scaling function—适应度缩放比例函数。 Rank scales—缺省的适应度比例函数。Rank 函数根据个体的适应度值排列顺序而不是根据个体适应度值的大小来衡量个体的优劣。个体的排列是按个体的适应度值排序的。最适应个体排序为1，次最适应个体2，依此类推。Rank函数按适应度比例进行排队序，从而消除了原始适应度值的影响。 四、适应度比例参数(Fitness Scaling Options) Proportional—通过计算个体的适应值在群体总适应值中所占的比例的大小分配适应度； Top—找出适应度值排在前n位的个体，给这些个体按1/n等比例分配适应度，其余个体的比例值指派为0。其中“quantity”规定了指派正比例值的个体数目。它可以是1到种群大小之间的整数，也可以是0到1之间的小数，这个小数是种群大小的百分比，其缺省值为0.4。 四、适应度比例参数(Fitness Scaling Options) Shift linear —利用线性转换来衡量适应度值，将使最适应个体的期望值等于个体的平均值乘以一个常数。在 “Max survival rate”(最大生存率)字段中，可以设置这个常数，其默认值为2。 Custom—用户自定义 五、选择参数