Question

遗传算法工具箱初代个体设置问题

遗传算法工具箱初带个体生成碰到的问题
我是遗传算法新手，打算用遗传算法对提取的特征进行降维处理。去除掉多余的特征。

本来用 遗传算法的程序简单实例 里 frogfish大侠的程序，自己修改了修改，但是总收敛不了。

现在刚知道matlab7里面有自带的遗传算法工具箱，现在想把那个程序移植到那上面。
不过看了半天，还是没看明白那个初始个体怎么设置。

因为我是做降维处理，初始维数为30，我想通过神经网络输出分类正确率为目标函数，把维数尽量降下来。
以前根据frogfish大侠的程序，是把里面的pop变量，设成了每代个体数×30 这样，其中个体长度里，0表示该特征没有 被选中，1表示被选中了。。。

现在到工具箱里傻了眼，初代里面没有个体长度的选项，好像就一个个体数目，倒是能选2进制编码。。
不知道上面我说的问题怎么解决呢？

又：目标函数哪里也有点问题，以前我变得是输入每代的总样本，也就是那个POP，matlab工具箱里的目标函数是不是 只根据单个个体计算适应度啊。还有就是变量的名字起什么呢？我还用pop人家说找不到这个变量。

问题有点多，不知道说明白了吗？
高手指点一下谢谢了。

在pudn上有什么想要的程序，我可以帮您下载。当作感谢了。

Answer 1

核心函数：
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数
【输出参数】
pop--生成的初始种群
【输入参数】
num--种群中的个体数目
bounds--代表变量的上下界的矩阵
eevalFN--适应度函数
eevalOps--传递给适应度函数的参数
options--选择编码形式(浮点编码或是二进制编码)[precision F_or_B],如
precision--变量进行二进制编码时指定的精度
F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度)

(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,...
termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数
【输出参数】
x--求得的最优解
endPop--最终得到的种群
bPop--最优种群的一个搜索轨迹
【输入参数】
bounds--代表变量上下界的矩阵
evalFN--适应度函数
evalOps--传递给适应度函数的参数
startPop-初始种群
opts[epsilon prob_ops display]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-6 1 0]
termFN--终止函数的名称,如['maxGenTerm']
termOps--传递个终止函数的参数,如[100]
selectFN--选择函数的名称,如['normGeomSelect']
selectOps--传递个选择函数的参数,如[0.08]
xOverFNs--交叉函数名称表，以空格分开，如['arithXover heuristicXover simpleXover']
xOverOps--传递给交叉函数的参数表，如[2 0;2 3;2 0]
mutFNs--变异函数表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation']
mutOps--传递给交叉函数的参数表,如[4 0 0;6 100 3;4 100 3;4 0 0]

注意】matlab工具箱函数必须放在工作目录下
【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9
【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08
【程序清单】
%编写目标函数
function[sol,eval]=fitness(sol,options)
x=sol(1);
eval=x+10*sin(5*x)+7*cos(4*x);
%把上述函数存储为fitness.m文件并放在工作目录下

initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10
[x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',...
[0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代

运算借过为：x =
7.8562 24.8553(当x为7.8562时，f（x）取最大值24.8553)

注：遗传算法一般用来取得近似最优解，而不是最优解。

你还是去图书馆找一下那本Matlab遗传算法工具箱教程的书看看吧。

遗传算法不一定可以在短时间内收敛的，要看你的适应度定义了，还有你的交叉、变异的参数都有关。

MATLAB遗传算法工具箱及应用
作者: 日期：
出版：西安电子科技大学出版社 精装：胶版纸
开本： 版次：2005年4月第1版
页数： ISBN：756061484
原价：26.0 元