遗传算法实验报告

浙江工业大学机械学院－遗传算法实验报告1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VisualC++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)DeJong函数F1：极小点f1(0,0,0)＝0。(2)DeJong函数F2：极小点f2(1，1)=0。(3)DeJong函数F3：对于]0.5,12.5[ix区域内的每一个点，它都取全局极小值30),,,,(543213xxxxxf。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。浙江工业大学机械学院－遗传算法实验报告2四、实验报告（1）DeJong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1DeJong函数F1二进制编码优化结果折线图（2）DeJong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。例二01020304050607017131925313743495561677379859197代数应变量最小值平均值图2DeJong函数F2二进制编码优化结果折线图（3）DeJong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。浙江工业大学机械学院－遗传算法实验报告3例三-35-30-25-20-15-10-5011325374961738597109121133145157169181193代数应变量最大值平均值图3DeJong函数F3二进制编码优化结果折线图浙江工业大学机械学院－遗传算法实验报告4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VisualC++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：⑴DeJong函数F1：极小点f1(0,0,0)＝0。⑵DeJong函数F2：极小点f2(1，1)=0。⑶DeJong函数F3：对于]0.5,12.5[ix区域内的每一个点，它都取全局极小值30),,,,(543213xxxxxf。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、自适浙江工业大学机械学院－遗传算法实验报告5结果）四、实验报告（1）DeJong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0510152017131925313743495561677379859197代数应变量最优值平均值图4DeJong函数F1实数编码优化结果折线图（1）DeJong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0510152017131925313743495561677379859197代数应变量最小值平均值图5DeJong函数F1实数编码优化结果折线图（1）DeJong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。浙江工业大学机械学院－遗传算法实验报告6例一自适应变异0510152017131925313743495561677379859197代数应变量最小值平均值图6DeJong函数F1实数编码优化结果折线图（2）DeJong函数F2采用实数编码方式（均匀变异方式）优化结果的折线图如图7所示：其中迭代数为100代。例二均匀变异051015202517131925313743495561677379859197代数应变量最小值平均值图7DeJong函数F2实数编码优化结果折线图（2）DeJong函数F2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8所示：其中迭代数为100代。例二非均匀变异05101520253017131925313743495561677379859197代数应变量最小值平均值图8DeJong函数F2实数编码优化结果折线图浙江工业大学机械学院－遗传算法实验报告7（2）DeJong函数F2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9所示：其中迭代数为100代。例二自适应变异0510152017131925313743495561677379859197代数应变量最小值平均值图9DeJong函数F2实数编码优化结果折线图（3）DeJong函数F3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10所示：其中迭代数为100代。例三均匀变异-25-20-15-10-5017131925313743495561677379859197代数应变量最小值平均值图10DeJong函数F3实数编码优化结果折线图（3）DeJong函数F3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11所示：其中迭代数为100代。浙江工业大学机械学院－遗传算法实验报告8例三非均匀变异-20-15-10-5017131925313743495561677379859197代数应变量最小值平均值图11DeJong函数F3实数编码优化结果折线图（3）DeJong函数F3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12所示：其中迭代数为100代。例三自适应变异-20-15-10-5017131925313743495561677379859197代数应变量最小值平均值图12DeJong函数F3实数编码优化结果折线图浙江工业大学机械学院－遗传算法实验报告9实验三排列方式编码优化旅行商问题一、实验目的利用遗传算法解决旅行商问题，采用部分映射交叉算子和互换变异算子，并进行在VisualC++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、实验内容及步骤用遗传算法求解旅行商问题（给出若干个城市，以及任意两个城市之间的距离。给定从某一个城市出发，确定旅行商行走路线，使得最后回到原点的路线长度最短），其中城市随处位置的横坐标与纵坐标如表3.1所示。表3.1城市序号及对应坐标位置序号横坐标纵坐标序号横坐标纵坐标121642016310291249765717215782336017018315192486034619327121511563820443306564390213773357775569222871288651483239573792256024620871102459262581831011821383265504011299151127298361384248628572787144633942941892158454530555855要求采用部分映射交叉算子和互换变异算子。分析不同参数组合对结果的影响。浙江工业大学机械学院－遗传算法实验报告10四、实验报告排列编码优化旅行商问题优化结果的折线图如图13所示：其中迭代数为500代。旅行商最短路径02000400060008000100001200014000160001336597129161193225257289321353385417449481代数路径距离最短路径平均值图13旅行商优化结果折线图