数学建模 MATLAB MATLAB全局优化算法-CSDN博客

本文链接：https://blog.csdn.net/qq_45059457/article/details/106312284

一、MATLAB全局优化概况

MATLAB中有个全局优化工具箱，该工具箱集成了几个主流的全局优化算法，包含全局搜索、多初始点、模式搜索、遗传算法、多目标遗传算法、模拟退火求解器和粒子群求解器，如图所示。对于目标函数或约束函数连续、不连续、随机、导数不存在以及包含仿真或黑箱函数的优化问题，都可使用这些求解器来求解。
另外，还可通过设置选项和自定义创建、更新函数来改进求解器效率。可以使用自定义数据类型，配合遗传算法和模拟退火求解器，来描绘采用标准数据类型不容易表达的问题。利用混合函数选项，可在第一个求解器之后应用第二个求解器来改进解算。
在这里插入图片描述

二、遗传算法

1.基本过程

在这里插入图片描述

2.遗传算法步骤

(1)初始参数

在这里插入图片描述

(2)染色体编码

由种群个体的表现型集合所组成的空间称为问题空间，由种群基因型个体所组成的空间称为编码空间。由问题空间向编码空间的映射称作编码，而由编码空间向问题空间的映射称为解码。常用的编码方式有：二进制编码和浮点数（实数）编码。

(3)适应度函数

适应度函数是用来衡量个体优劣，度量个体适应度的函数。适应度函数值越大的个体越好，反之，适应值越小的个体越差。在遗传算法中根据适应值对个体进行选择，以保证适应性能好的个体有更多的机会繁殖后代，使优良特性得以遗传。

(4)约束条件的处理

在遗传算法中必须对约束条件进行处理，但目前尚无处理各种约束条件的一般方法。根据具体问题，可选择下列三种方法：罚函数法、搜索空间限定法、可行解变换法。

(5)遗传算子

在遗传算法中必须对约束条件进行处理，但目前尚无处理各种约束条件的一般方法。根据具体问题，可选择下列三种方法：罚函数法、搜索空间限定法、可行解变换法。
遗传算法中包含了3个模拟生物基因遗传操作的遗传算子：选择（复制）、交叉（重组）和变异（突变）。遗传算法利用遗传算子产生新一代群体来实现群体进化，算子的设计是遗传策略的主要组成部分，也是调整和控制进化过程的基本工具。