遗传算法实验报告

实验一利用遗传算法求Rosenbrock函数的极大值实验目的：1进一步加深对遗传算法理论的理解2读懂遗传算法求极值的程序3掌握二进制编码的实现方法实验内容：已知Rosenbrock函数：对Rosenbrock函数极大值遗传算法仿真程序进行学习及分析。实验要求：1阅读下面的程序，找到该程序的“编码、解码”及“复制、交换、变异”的程序段；2指出该程序中“种群大小”“终止进化代数”“交换概率”“变异概率”各参数的值分别为多少。种群大小：100；终止进化代数:200；交换概:0.8；变异概:0.13通过改变“群体大小、终止进化代数、交叉概率、变异概率”，分析各参数对优化效果的影响。4记录程序运行结果。将种群大小改为120，终止进化代数改为80，交换概率改为0.7,变异概率改为0.15得到如下结果最优结果为Max_Value=3905.944JOO390038003700LL跖00"Som350034003300320031002t)30406080times实验二求函数的极小值实验目的：1掌握遗传算法求极小值的程序2掌握多变量极值问题的编码实现方法3掌握遗传算法的三个基本算子程序实现实验内容：已知含三自变量函数如下：利用遗传算法求函数的极小值。实验要求：1以实验一程序为基础，修改相应程序段，实现上述函数最小值计算；2记录程序运行结果3多次运行程序，结果是否相同？为什么？第一次Min_Value=0.00087第二次Min_Value=0.0013多次运行结果不一样是由于在优化的过程中在某一代会出现不同的走向，因此每次实验结果会不一样。

图1第一次运行结果tiiTies100图2tiiTies100图2第二次运行结果实验三基于遗传算法求解TSP问题实验目的：1理解TSP问题的含义2掌握遗传算法求解TSP问题的编码方法3学会选取合适的适应度函数4根据已给的程序，理解三个遗传算子的实现方法实验内容：TSP问题是典型的优化问题，遗传算法是解决优化问题的有效方法。根据已给的遗传算法程序，求解当城市数量分别为8和30时，得到的最优路径。实验要求：1根据已给的Matlab程序，读懂程序，理解程序中编码、复制、交叉、变异、适应度值计算等主要程序段的含义。2对8个城市优化时，经过20代进化，结果如何，经过50代进化，结果如何？3对30个城市优化时，经300代进化，最优路程为？1、对8个城市优化时，经过20代进化，结果如下：ShortestLengthis:2.8937OriginalRouteNewRoutesnxaY10.90.80.70.60.50.40.30.20.1OriginalRoute0.510.90.80.70.60.50.40.30.20.1OriginalRoute0.51XaxisNewRoute0.51XaxisShortestLengthis:2.893710.90.80.70.60.50.40.30.20.102、对30个城市优化时，经300代进化，结果如下:Shortestlength:591.7043Or