遗传算法实验报告

实验一 二进制编码函数优化

一、实验目的

利用一种基于二进制编码的优化方法的基本原理和操作步骤求解最优化问题，了解整个利用二进制编码的过程，选择，交叉，变异等等。使适应性函数值逐步逼近最优解，并进行在Visual C++ 6.0进行仿真，编译。

二、实验仪器

机械楼计算机中心计算机

三、实验内容及步骤

采用二进制编码方式优化如下测试函数： (1) De Jong函数F1：

极小点f1(0, 0, 0)＝0。

(2) De Jong函数F2：

极小点f2(1，1) = 0。

(3) De Jong函数F3：

对于xi?[?5.12,?5.0]区域内的每一个点，它都取全局极小值f3(x1,x2,x3,x4,x5)??30。

要求：对每一个测试函数，分析不同的种群规模（20～100）、交叉概率（0.4～0.99）和变异概率（0.0001～0.1）对优化结果的影响，试确定最佳参数组合。

1

浙江工业大学机械学院－遗传算法实验报告

四、实验报告

（1）De Jong函数F1采用二进制编码方式优化结果的折线图如图1所示：其中迭代数

为100代，结果基本逼近最真实值。

图1 De Jong函数F1二进制编码优化结果折线图

（2）De Jong函数F2采用二进制编码方式优化结果的折线图如图2所示：其中迭代数为100代。

例二70605040302021017131925313743495561677379859197代数应变量最小

值平均值

图2 De Jong函数F2二进制编码优化结果折线图

（3）De Jong函数F3采用二进制编码方式优化结果的折线图如图3所示：其中迭代数为200代。

2

浙江工业大学机械学院－遗传算法实验报告

例三0-511325374961738597109121133145157169181193-10-15-20-25-30-35代数应变量最大值平均值

图3 De Jong函数F3二进制编码优化结果折线图

3

浙江工业大学机械学院－遗传算法实验报告

实验二 实数编码函数优化

一、实验目的

利用一种基于实数编码的优化方法的基本原理和操作步骤求解最优化问题，并分析不同的变异方式（均匀变异、非均匀变异、自适应变异）的优化结果有什么区别。并进行在Visual C++ 6.0进行仿真，编译。

二、实验仪器

机械楼计算机中心计算机

三、实验内容及步骤

采用实数编码方式优化如下测试函数： ⑴De Jong函数F1：

极小点f1(0, 0, 0)＝0。 ⑵De Jong函数F2：

极小点f2(1，1) = 0。 ⑶De Jong函数F3：

对于xi?[?5.12,?5.0]区域内的每一个点，它都取全局极小值f3(x1,x2,x3,x4,x5)??30。

要求：对每一个测试函数，分析不同变异方式（均匀变异、非均匀变异、自适

4

浙江工业大学机械学院－遗传算法实验报告

结果）

四、实验报告

（1）De Jong函数F1采用实数编码方式（均匀变异方式）优化结果的折线图如图4所示：

其中迭代数为100代。

例1均匀变异2021应变量105017131925313743495561677379859197代数最优值平均值

图4 De Jong函数F1实数编码优化结果折线图

（1）De Jong函数F1采用实数编码方式（非均匀变异方式）优化结果的折线图如图5所示：其中迭代数为100代。

例一非均匀变异2021应变量105017131925313743495561677379859197代数最小值平均值

图5 De Jong函数F1实数编码优化结果折线图

（1）De Jong函数F1采用实数编码方式（自适应变异方式）优化结果的折线图如图6所示：其中迭代数为100代。

5

感谢您的阅读，祝您生活愉快。