预览加载中,请您耐心等待几秒...
1/3
2/3
3/3

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

第19卷第6期机械研究与应用Vol19No6 2006年l2月MECHANICALRESEARCH&APPLICAT。ION2o()6一l2 Matlab遗传算法优化工具箱(GAOT)的研究与应用 周正武,丁同梅,田毅红,王晓峰’‘ (1.广东省技师学院,广东博罗516100;2.天津大学机械工程学院,天津300072; 3.承德技师学院,河北承德067400;4.郑州职业技术学院,河南郑州450121) 摘要:介绍遣传算法的基本原理和Matlab的遗传算法优化工具箱(GAOT),分析了优化工具函数。探讨Matlab遗传算法工具箱在 参数优化和非线性规划中的应用。通过优化实例,说明遗传算法是一种具有良好的全局寻优性能的优化方法。用Maflab语 言及Maflab语言编制的优化工具箱进行优化设计具有语言简单、函数丰富、用法比较灵活、编程效率高等特点。 关键词:遗传算法;Matlab工具箱;优化 中图分类号:TH164文献标识码:A文章编号:1007—44l4(2006)06-0069-03 TllestudyandapplicationofgeneticalgorithmoptimizationtoolboxInMatlab ZhouZheng—WU。DingTong—mei。TianYi—hong。WangXiao—feng· (1.Collegeof她一gradetechnician。BoluoGnangdong516100。China: 2.Collegeofmechanicalandengineering。Tianfinunwersi~。Tianjin300072。China; 3.Chengdecollegeof她一gradetechnician。ChengdeHebei067400。China; 4.Zhengzhouvocationalcollegeoftechnology。Zhengzhouttenan450121。China) Abstract:Thepaperintroducesgeneticalgorithm(GA)andMaflabgeneticalgorithmoptimizationtoolboxandanalysesthe optimizationtolboxfunction.Thefunctionoptimizationproblemofparameteroptimizationandnonlinearhasbeengivento demonstratethatgeneticalgorithmisabetterglobaloptimizationmethod.TheoptimizationdesigninMaflabandMaflaboptimi- zationtolboxhavesimplelanguage、abundantfunctions、flexiblemethodandhi.ghprogrammingefficiency. Keywords:geneticagolrithm;maflabtolbox:optimization 遗传算法(GA)是一类借鉴生物界自然选择和遗传原理进,最后收敛到一个最适合环境的个体上(当然也有其它的收 的随机优化搜索算法。其主要特点是群体搜索策略和群体中敛准则),求得问题的最佳解。由于最好的染色体不一定出现 个体间的信息交换、搜索不依赖于梯度信息。遗传算法几乎在最后一代,开始时保留最好的染色体,如果在新的种群又发 渗透到从工程到社会科学的诸多领域,广泛用于组合优化、机现更好的染色体,则用它代替原来的染色体,进化完成后,这 器学习、白适应控制、规划设计和人工生命等领域,是2l世纪个染色体可看作是最优化的结果。 有关智能计算中的关键技术之一。Matlab语言是一种高效率1.2遗传算法的步骤 的用于科学工程计算的高级语言,它的语法规则简单、更贴近遗传算法与传统搜索算法不同,它以适应度(fitness)函 人的思维方式,通俗易懂。Maflab语言有着丰富的各种工具数(目标函数)为依据,通过对种群(popldAfon)中的所有个体 箱,Maflab的优化工具箱提供对各种优化问题的一个完整的实施遗传操作,实现群体内个体结构重组的迭代过程搜索法。 解决方案。遗传算法优化工具箱就是其中之一。采用Maflab选择(selection)、杂交(crossover)、变异(mutation)构成遗传算 遗传算法优化工具箱,不仅具有简单、易用、易于修改的特点,法的3个主要遗传操作。参数编码、初始群体的设定、适应度 且为解决许多传统的优化方法难以解决的参数优化、非线性、函数的设计、遗传操作设计、控制参数设定等要素组成遗传算 多峰值之类的复杂问题提供有效的途径,为遗传算