遗传算法MATLAB程序设计

摘自 Matlab 在数学建模中的应用, 北航出版社，2025.44.2 遗传算法 MATLAB 程序设计4。2。1 程序设计流程及参数选取4。2.1。1 遗传算法程序设计伪代码 BEGIN t = 0 ; %Generations NO. 初始化 P（t) ; %Initial Population or Chromosomes 计算 P(t) 的适应值; while （不满足停止准则） do begin t = t+1 ； 从 P(t—1）中选择 P（t) ; % Selection 重组 P（t） ; ％ Crossover and Mutation 计算 P（t） 的适应值; end END4。2.1.2 遗传算法的参数设计原则在单纯的遗传算法当中,也并不总是收敛,即使在单峰或单调也是如此。这是因为种群的进化能力已经基本丧失，种群早熟。为了避开种群的早熟，参数的设计一般遵从以下原则[5]:（1）种群的规模：当群体规模太小时,很明显会出现近亲交配，产生病态基因。而且造成有效等位基因先天缺乏，即使采纳较大概率的变异算子，生成具有竞争力高阶模式的可能性仍很小，况且大概率变异算子对已有模式的破坏作用极大。同时遗传算子存在随机误差(模式采样误差），阻碍小群体中有效模式的正确传播，使得种群进化不能根据模式定理产生所预测的期望数量；种群规模太大，结果难以收敛且浪费资源，稳健性下降.种群规模的一个建议值为 0～100。(2）变异概率：当变异概率太小时，种群的多样性下降太快，容易导致有效基因的迅速丢失且不容易修补;当变异概率太大时,尽管种群的多样性可以得到保证,但是高阶模式被破坏的概率也随之增大。变异概率一般取 0。0001～0.2。（3）交配概率：交配是生成新种群最重要的手段。与变异概率类似，交配概率太大容易破坏已有的有利模式，随机性增大，容易错失最优个体；交配概率太小不能有效更新种群.交配概率一般取 0。4~0。99。（4）进化代数：进化代数太小，算法不容易收敛，种群还没有成熟；代数太大，算法已经熟练或者种群过于早熟不可能再收敛，继续进化没有意义，只会增加时间开支和资源浪费。进化代数一般取 100～500。（5）种群初始化:初始种群的生成是随机的；在初始种群的给予之前，尽量进行一个大概的区间估量，以免初始种群分布在远离全局最优解的编码空间，导致遗传算法的搜索范围受到限制,同时也为算法减轻负担。4。2.1。3 适应度函数的调整（1）在遗传算法运行的初期阶段群体中可能会有少数几个个体的适应度相对其他个体来说非常高。若根据常用的比例选择算子来确定个体的遗传数量时,则这几个相对较好的个体将在...