使用MATLAB遗传算法工具实例(详细).doc

使用MATLAB遗传算法工具实例(详细)
第八章 使用MATLAB遗传算法工具
最新发布的MATLAB Release 14已经包含了一个专门设计的遗传算法与直接搜索工具箱（Genetic Algorithm and Direct Search Toolbox，GADS）。使用遗传算法与直接搜索工具箱，可以扩展MATLAB及其优化工具箱在处理优化问题方面的能力，可以处理传统的优化技术难以解决的问题，包括那些难以定义或不便于数学建模的问题，可以解决目标函数较复杂的问题，比如目标函数不连续、或具有高度非线性、随机性以及目标函数没有导数的情况。
，其余各节分别介绍该工具箱中的遗传算法工具及其使用方法。
遗传算法与直接搜索工具箱概述
本节介绍MATLAB的GADS（遗传算法与直接搜索）工具箱的特点、图形用户界面及运行要求，解释如何编写待优化函数的M文件，且通过举例加以阐明。
工具箱的特点
GADS工具箱是一系列函数的集合，它们扩
速地求解最优化问题。
功能特点
遗传算法与直接搜索工具箱的功能特点如下：
图形用户界面和命令行函数可用来快速地描述问题、设置算法选项以及监控进程。
具有多个选项的遗传算法工具可用于问题创建、适应度计算、选择、交叉和变异。
直接搜索工具实现了一种模式搜索方法，其选项可用于定义网格尺寸、表决方法和搜索方法。
遗传算法与直接搜索工具箱函数可与MATLAB的优化工具箱或其他的MATLAB程序结合使用。
支持自动的M代码生成。
图形用户界面和命令行函数
遗传算法工具函数可以通过命令行和图形用户界面来使用遗传算法。直接搜索工具函数也可以通过命令行和图形用户界面来进行访问。图形用户界面可用来快速地定义问题、设置算法选项、对优化问题进行详细定义。
遗传算法与直接搜索工具箱还同时提供了用于优化管理、性能监控及终止准则定义的工具，同时还提供大量标准算法选项。
在优化运行的过程中，可以通过修改选项来细化最优解，更新性能结果。用户也可以提供自己的算法选项来定制工具箱。
使用其他函数和求解器
遗传算法与直接搜索工具箱与MATLAB及优化工具箱是紧密结合在一起的。用户可以用遗传算法或直接搜索算法来寻找最佳起始点，然后利用优化工具箱或用MATLAB程序来进一步寻找最优解。通过结合不同的算法，可以充分地发挥 MATLAB 和工具箱的功能以提高求解的质量。对于某些特定问题，使用这种方法还可以得到全局（最优）解。
显示、监控和输出结果
遗传算法与直接搜索工具箱还包括一系列绘图函数用来可视化优化结果。这些可视化功能直观地显示了优化的过程，并且允许在执行过程中进行修改。
工具箱还包括一系列绘图函数用来可视化优化结果。这些可视化功能直观地显示了优化的过程，并且允许在执行过程中进行修改。该工具箱还提供了一些特殊绘图函数，它们不仅适用于遗传算法，还适用于直接搜索算法。适用于遗传算法
的函数包括函数值、适应度值和函数估计。适用于直接搜索算法的函数包括函数值、分值直方图、系谱、适应度值、网格尺寸和函数估计。这些函数可以将多个绘图一并显示，可直观方便地选取最优曲线。另外，用户也可以添加自己的绘图函数。
使用输出函数可以将结果写入文件，产生用户自己的终止准则，也可以写入用户自己的图形界面来运行工具箱求解器。除此之外，还可以将问题的算法选项导出，以便日后再将它们导入到图形界面中去。
所需的产品支持
遗传算法与直接搜索工具箱作为其他优化方法的补充，可以用来寻找最佳起始点，然后可以再通过使用传统的优化技术来进一步寻找最优解。
工具箱需要如下产品支持：(1) MATLAB。(2) 优化工具箱。
相关产品
与遗传算法与直接搜索工具箱相关的产品有：
统计工具箱——应用统计算法和概率模式。
神经网络工具箱——设计和仿真神经网络。
模糊逻辑工具箱——设计和仿真基于模糊逻辑的系统。
金融工具箱——分析金融数据和开发金融算法。
所需的系统及平台
遗传算法和直接搜索工具箱对于对于运行环境、支持平台和系统的需求，可随时通过访问网站。
这里介绍的MATLAB Release 14所需的最低配置是：Windows系列操作系统，Pentium III 500 CPU、64MB RAM，空闲硬盘空间600MB以上。
编写待优化函数的M文件
为了使用遗传算法和直接搜索工具箱，