微分进化算法解决函数优化问题的matlab代码,Matlab微分进化算法及优化函数测试...
微分进化(Difference Evolution,DE)算法是一种优化算法,据称其比GA(遗传算法)等更为优秀。
借鉴网上实现的DE算法,用Matlab实现了对若干函数优化问题的解法,代码如下:
function [] = de_test
clear all;
close all;
clc;
%解:X = [0, 0, ...]
%nVar = 30
%dims: [-30, 30]
function fitness = sphere(vals)
prod = vals .* vals;
fitness = sum(prod, 2);
end
%f(x) = 1/4000 * sum^n_1(x_i)^2 - prod^n_1 * cos(x_i/sqrt(i)) + 1
%f* = 0, x* = [0, 0, ...];
%nVar = 30
%dims: [-600, 600]
function fitness = griewank(vals)
[h w] = size(vals);
p1 = vals.^2;
p1 = 1/4000 .* sum(p1, 2);
t = sqrt([1:w]);
p2 = vals ./ repmat(t, h, 1);
p2 = cos(p2);
p2 = prod(p2, 2);
fitness = p1 - p2 + 1;
end
%解: X = [1, 1, 1, ...]
function fitness = RosenBroek(vals)
[k n] = size(vals);
vals1 = vals(:, 1:n-1);
vals2 = vals(:, 2:n);
tmp = vals2 - vals1 .* vals1;
tmp = 100 * tmp .* tmp;
tmp1 = (vals1 - 1).^2;
fitness = sum(tmp, 2) + sum(tmp1, 2);
end
%许多局部最小值,最优解:X = [0, 0], 固定2个变量
function fitness = Rastrigin (X)
v = X.^2 - 10 .* cos(2 * pi .* X) + 10;
fitness = sum(v, 2);
%fitness = 20 + X(:, 1).^2 + X(:, 2).^2 - 10 .* (cos(2 * pi * X(:, 1)) + cos(2 * pi * X(:, 2)));
end
%参数
popSize = 100; % 群规模
F = 0.5; % 突变因子
C = 0.9; % 交叉率
iterTimes = 300; % 迭代次数
Run = 4; % 测试轮次
id = [1:popSize];
%结果
bestFit = 1e5; %设取最小值
bestGene = [];
for r = 1:Run %轮次
Func = r; % 测试适应度函数
switch Func
case 1
Func = @sphere;
Xmin = -100;
Xmax = 100;
nVar = 30;
case 2
Func = @griewank;
Xmin = -600;
Xmax = 600;
nVar = 2;
case 3
nVar = 2;
Func = @RosenBroek;
Xmin = -100;
Xmax = 100;
case 4
nVar = 2;
Func = @Rastrigin
Xmin = -5.12;
Xmax = 5.12;
end;
Func
tic;
%1.初始化种群
X = Xmin + rand(popSize, nVar) * Xmax;
%2.每轮迭代
for i = 1:iterTimes
X0 = X;
% F = 2 * (1 - (i-1)/iterTimes);
%个体突变得到V
for j = 1:popSize
ids = id;
ids(j) = [];
rids = randperm(popSize - 1, 3);
rids = ids(rids);
V = X(rids(1), :) + F * (X(rids(2), :) - X(rids(3), :));
%对V(j, :)值域检查
ids = find(V < Xmin);
if length(ids) > 0
V(ids) = Xmin;
end;
ids = find(V > Xmax);
if length(ids) > 0
V(ids) = Xmax;
end;
%对每个X和V的配对,进行交叉操作,结果存在U中
jrand = floor(rand() * nVar + 1); %必交叉项,保证至少一个交叉
for n = 1:nVar
R1 = rand();
if (R1 < C || n == jrand)
U = V; %保留子代基因
else
U = X(j, :); %保留父代基因
end
end
%在子代和父代间做选择运算
if Func(U) < Func(X(j, :))
Tr = U;
else
Tr=X(j, :);
end
% 更新种群基因
X(j,:) = Tr;
%计算新的适应度
fitness = Func(X(j,:));
%记录全局最优解
if fitness < bestFit
bestFit = fitness;
bestGene = X(j, :);
end;
end %结束个体更新
end
bestGene
bestFit
toc
end
end运行结果如下:
Func =
@de_test/sphere
bestGene =
Columns 1 through 15
-7.5570 -11.9099 9.9957 -37.8403 -17.9445 -7.1438 -21.4304 -33.6260 -22.1812 -66.1438 0.9014 -39.6724 -0.3175 -56.4815 26.5422
Columns 16 through 30
6.5446 -31.9653 -9.3640 -37.1629 -23.7325 2.7271 -6.3413 -21.3204 -13.1450 28.7402 -28.8170 -22.6226 10.9031 -16.6128 -14.7637
bestFit =
2.0583e+04 (从此结果看,算法效果不佳)
时间已过 2.285354 秒。
Func =
@de_test/griewank
bestGene =
1.0e-08 *
0.1702 0.1424
bestFit =
0
时间已过 3.337347 秒。
Func =
@de_test/RosenBroek
bestGene =
1.0e-08 *
0.1702 0.1424
bestFit =
0
时间已过 1.747765 秒。
Func =
@de_test/Rastrigin
Func =
@de_test/Rastrigin
bestGene =
1.0e-08 *
0.1702 0.1424
bestFit =
0
时间已过 1.403871 秒。
微分进化算法解决函数优化问题的matlab代码,Matlab微分进化算法及优化函数测试...相关推荐
- matlab基于人工蜂群算法的函数优化分析【matlab优化算法十一】
基于人工蜂群算法的函数优化分析 自然界中的群居昆虫,它们虽然个体结构简单,但是通过个体间的合作却能够表现出极其复杂的行为能力.受这些社会性昆虫群体行为的启发,研宄者通过模拟这些群体的行为提出了群集智能 ...
- matlab中fic算法,粒子群算法在函数优化问题中的应用最终版(全文完整版)
<粒子群算法在函数优化问题中的应用.doc>由会员分享,可免费在线阅读全文,更多与<粒子群算法在函数优化问题中的应用(最终版)>相关文档资源请在帮帮文库(www.woc88.c ...
- java开发模拟退火算法解决函数最值!
在众多搜索算法之中,模拟退火是一种搜索性的算法,但是它的缺点在于收敛性比较弱. 这里主要运用模拟退火算法解决函数y=xsin(10xpi)+2的最优值问题. 代码及算法原理如下: /********* ...
- 机器学习之MATLAB代码--MATLAB量子粒子群优化LSTM超参数负荷预测(十三)
机器学习之MATLAB代码--MATLAB量子粒子群优化LSTM超参数负荷预测(十三) 代码 数据 结果 代码 代码按照下列顺序依次: 1. function result(true_value,pr ...
- MATLAB代码:全面ADMM算法代码,实现了三种ADMM迭代方式
MATLAB代码:全面ADMM算法代码,实现了三种ADMM迭代方式 关键词:综合能源 分布式协同优化 交替方向乘子法 最优潮流 参考文档:<基于串行和并行ADMM算法的电_气能量流分布式协同优化 ...
- MATLAB代码:基于蒙特卡洛算法的电动汽车充电负荷预测 关键词:蒙特卡洛 电动汽车 充电负荷预测
MATLAB代码:基于蒙特卡洛算法的电动汽车充电负荷预测 关键词:蒙特卡洛 电动汽车 充电负荷预测 仿真平台:MATLAB 主要内容:代码主要做的是电动汽车的充电负荷模拟预测,具体为:从影响电动汽车充 ...
- 基于matlab的捕食算法,【优化求解】基于matlab细菌觅食算法的函数优化分析【含Matlab源码 217期】...
一.简介 实际生活需求促进了最优化方法的发展.近半个多世纪以来,由于传统优化方法的不足,一些具有全局优化性能且通用性强的进化算法,因其高效的优化性能.无需问题精确描述信息等优点,受到各领域广泛的关注和 ...
- CMA-ES算法解决连续优化问题
一.算法介绍 CMA-ES是Covariance Matrix Adaptation Evolutionary Strategies的缩写,中文名称是协方差矩阵自适应进化策略,主要用于解决连续优化问题 ...
- ABC人工蜂群算法求解函数优化实例C++(2020.11.5)
ABC人工蜂群算法C++ 人工蜂群算法 1.原理 2.算法流程 3.函数优化实例 4.求解函数优化的ABC源代码C++ 人工蜂群算法 1.原理 最常见的基于蜜蜂采蜜行为的蜂群算法是Karaboga(2 ...
最新文章
- thinkpad重装系统不引导_重装系统时,如何判断Windows的启动方式是Legacy还是UEFI?...
- sap data service安装方法
- php udp发送和接收_php socket通信(tcp/udp)实例分析
- boost::hana::front用法的测试程序
- python游戏代码示例_练习项目20:使用python制作游戏(中)
- Javascript玩转Prototype(一)——先谈C#原型模式
- pytorch 训练过程学习率设置衰减
- 小程序监听android返回键,如何监听小程序返回按钮事件?
- VMware 发布的版本 Build 与个版本对应关系
- inDesign教程,如何制作个性化的感谢卡?
- Ubuntu下bin文件的安装
- 杭州电子科技大学计算机技术考研总结
- 写给励志做码农的大学生
- 推荐使用的热电阻Pt100测温电路
- 百度地图迁徙大数据_百度地图迁徙大数据:北上广深城内出行年后首次大幅增长...
- Linux(centos或者redhat)下下载RPM包到指定目录但不安装
- 《罗辑思维》第31期:你的女神你不懂
- 低温工作笔记本计算机,电脑低温自动关机
- Android仿淘宝京东商品规格参数颜色筛选
- BTC公钥生成地址的过程详解