通过MATLAB分别对比二进制编码遗传优化算法和实数编码遗传优化算法

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时计算 Flink 版,1000CU*H 3个月
简介: 摘要:使用MATLAB2022a对比了二进制编码与实数编码的遗传优化算法,关注最优适应度、平均适应度及运算效率。二进制编码适用于离散问题,解表示为二进制串;实数编码适用于连续问题,直接搜索连续空间。两种编码在初始化、适应度评估、选择、交叉和变异步骤类似,但实数编码可能需更复杂策略避免局部最优。选择编码方式取决于问题特性。

1.程序功能描述
通过MATLAB分别对比二进制编码遗传优化算法和实数编码遗传优化算法,对比最优适应度值,平均适应度值以及算法运算效率。

2.测试软件版本以及运行结果展示
MATLAB2022a版本运行
1.jpeg
2.jpeg
3.jpeg

3.核心程序

Popu    = 6*rand(NUM,dim)-3;
%初始化最优适应度值
Vbest   =-inf;
for i=1:NUM%计算适应度值
    y(i)=fitness(Popu(i,:));
    if y(i)>Vbest
Vbest=y(i);
Vopt=Popu(i,:);
    end
end
%迭代
for t=1:Maxiter
    t
    %选择
    p = y/sum(y);
    q = cumsum(p);
    %选择个体索引
    for i=1:NUM
        temp       = rand(1);
idx        = find(q>=temp);
Popus(i,:) = Popu(idx(1),:);
    end
    %交叉
    for i=1:NUM
        if rand(1)<pc
            i1=randi([1,NUM]);
            i2=randi([1,NUM]);
            while i1==i2
                i1=randi([1,NUM]);
                i2=randi([1,NUM]);
            end
            k                 = randi([1,dim]);
            temp              = Popus(i1,k+1:end);
Popus(i1,k+1:end) = Popus(i2,k+1:end);
Popus(i2,k+1:end) = temp;
        end
    end
    %变异
    Pm0   = rand(NUM,dim);
Popus = (Pm0>=pm).*Popus + (Pm0<pm).*Pm0;
    %更新
    .....................................................
end
figure
plot(1:Maxiter,Vsave0)
hold on
plot(1:Maxiter,Vsave1)
legend('最优适应度','平均适应度')
xlabel('迭代次数')
ylabel('适应度值')
t=toc 
save R1.mat 
0003

4.本算法原理
遗传算法是一种基于生物进化原理的优化算法,广泛应用于各种问题,如函数优化、机器学习、图像处理等。在遗传算法中,编码方式是关键的一步,因为它决定了问题的表示方式以及算法的搜索空间。主要有两种编码方式:二进制编码和实数编码。

4.1二进制编码遗传优化算法

   二进制编码遗传优化算法是一种常见的遗传算法,它将问题的解表示为二进制字符串。在二进制编码中,每个解的每个基因都被编码为一个0或1的二进制数。这种编码方式在许多问题中都很有效,因为它可以很容易地表示离散解空间。

  二进制编码遗传优化算法的基本步骤:

   初始化:随机生成一组二进制字符串作为初始种群。每个字符串的长度等于问题中决策变量的数量。

   适应度评估:计算每个字符串的适应度值,适应度值是根据问题的目标函数来计算的。

   选择:根据适应度值选择哪些字符串进入下一代。通常使用轮盘赌选择法或锦标赛选择法等。

   交叉(重组):随机选择两个字符串,进行交叉操作,产生新的字符串。交叉操作是通过交换两个字符串的部分基因来完成的。

   变异:随机选择一些字符串,对它们的基因进行变异操作,以增加种群的多样性。变异操作是通过随机改变一个基因的值来实现的。

   终止条件:当达到预设的迭代次数或找到满足要求的解时,算法终止。

4.2实数编码遗传优化算法

   实数编码遗传优化算法将问题的解表示为实数字符串。在实数编码中,每个解的每个基因都被编码为一个实数值。这种编码方式在连续问题或具有连续决策变量的混合离散问题中很常见。

以下是实数编码遗传优化算法的基本步骤:

   初始化:随机生成一组实数字符串作为初始种群。每个字符串的长度等于问题中决策变量的数量。

   适应度评估:计算每个字符串的适应度值,适应度值是根据问题的目标函数来计算的。

   选择:根据适应度值选择哪些字符串进入下一代。通常使用轮盘赌选择法或锦标赛选择法等。

   交叉(重组):随机选择两个字符串,进行交叉操作,产生新的字符串。交叉操作是通过线性组合两个字符串的基因来完成的。

   变异:随机选择一些字符串,对它们的基因进行变异操作,以增加种群的多样性。变异操作是通过随机改变一个基因的值来实现的。

   终止条件:当达到预设的迭代次数或找到满足要求的解时,算法终止。

   二进制编码和实数编码的主要区别在于问题的表示方式不同。二进制编码适用于离散问题,而实数编码适用于连续问题或具有连续决策变量的混合离散问题。此外,由于实数编码使用了实数表示解,因此可以直接对连续空间进行搜索,而二进制编码只能通过离散的搜索空间进行搜索。然而,由于实数编码的搜索空间是连续的,因此可能需要更复杂的搜索策略来找到全局最优解,因为初始种群可能陷入局部最优解中。在某些问题中,实数编码可能比二进制编码更有效,但在其他问题中,二进制编码可能更有效。选择哪种编码方式取决于问题的具体性质和要求。
相关文章
|
13天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
15天前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
103 1
|
14天前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
13天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
107 14
|
13天前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
|
15天前
|
机器学习/深度学习 算法 Java
基于灰狼优化算法(GWO)解决柔性作业车间调度问题(Matlab代码实现)
基于灰狼优化算法(GWO)解决柔性作业车间调度问题(Matlab代码实现)
|
13天前
|
算法 数据可视化 异构计算
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
134 0
|
13天前
|
机器学习/深度学习 运维 算法
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
|
13天前
|
机器学习/深度学习 算法 安全
【无人机三维路径规划】基于非支配排序的鱼鹰优化算法NSOOA求解无人机三维路径规划研究(Matlab代码实现)
【无人机三维路径规划】基于非支配排序的鱼鹰优化算法NSOOA求解无人机三维路径规划研究(Matlab代码实现)
|
13天前
|
机器学习/深度学习 负载均衡 算法
【柔性作业车间调度】基于四种多目标优化算法(NSOOA、NSPSO、NSDBO、NSCOA)求解柔性作业车间调度问题FJSP研究(Matlab代码实现)
【柔性作业车间调度】基于四种多目标优化算法(NSOOA、NSPSO、NSDBO、NSCOA)求解柔性作业车间调度问题FJSP研究(Matlab代码实现)