研究生作业_基于.遗传算法优化多元多目标函数的MATLAB实现

内容发布更新时间 : 2024/5/19 11:44:31星期一 下面是文章的全部内容请认真阅读。

WORD格式可编辑

4实验分析 改变种群数量等参数的实验结果对比。 表格横列2000-80表示参数设置为种群大小为2000,最大迭代次数80.竖列f1value、f2value和X1等分别表示函数值和自变量取值。 表1 参数改变最优化函数值及自变量取值 f1value f2value X1 X2 X3 X4 X5 2000-80 20.0914 4.6331 3.9961 1.0132 2.0167 2.0073 3.0001 2000-20 20.3343 4.6205 3.9655 1.0055 2.4596 5.1599 3.0164 100-80 20.968 4.8023 3.9958 1.0631 2.0012 2.0079 3.0002 100-20 23.8958 4.7151 3.474 1.0388 2.3256 4.5378 3.0079 当参数设置为种群大小为2000,最大迭代次数80时,最佳解及种群均值随迭代次数的变化曲线如图3所示。 第一目标函数 第二目标函数 图2 种群大小为2000,最大迭代次数80变化曲线 专业知识分享

WORD格式可编辑

当参数设置为种群大小为2000,最大迭代次数20时,最佳解及种群均值随迭代次数的变化曲线如图3所示。 第一目标函数 第二目标函数 图3 种群大小为2000,最大迭代次数20变化曲线 当参数设置为种群大小为100,最大迭代次数80时,最佳解及种群均值随迭代次数的变化曲线如图3所示。 第一目标函数 第二目标函数 图4 种群大小为100,最大迭代次数80变化曲线 专业知识分享

WORD格式可编辑

当参数设置为种群大小为100,最大迭代次数20时,最佳解及种群均值随迭代次数的变化曲线如图3所示。 第一目标函数 第二目标函数 图5 种群大小为100,最大迭代次数20变化曲线 种群大小2000,最大迭代次数80时,各自变量取值如图6所示。可看出各变量的变化较为稳定,即可知收敛性较好,应为最优解。 图6 5维自变量变化曲线 4.2结果分析 (1)因本体优化目标并不太复杂,故交叉概率取为较一般的0.7,变异概率也采用默认值,避免太多的无谓改变。曲线在一开始的几次迭代后迅速下降,但到了一定值后,曲线则变得平缓,说明收敛速度较快,交叉和遗传概率满足优化要求。 (2)种群规模的大小和迭代次数的多少对结果的影响是较大的。主要表现在种群规模较小或迭代次数较少时,其结果较最优解偏差较大。由于计算机性能的不断提高,在速度要求不高时可选择较大种群和较多迭代次数已确保结果的最优化。 (3)由自变量变化曲线可看出,在交叉和变异概率选取适当的前提下,种群大小2000,最大迭代次数80时,各自变量变化较为稳定,说明最优解已基本收敛。 专业知识分享

联系客服:779662525#qq.com(#替换为@) 苏ICP备20003344号-4 ceshi