当前位置:首页 >> 法语学习 >>

R语言GA遗传算法【精品毕业设计】(完整版)


GA 包 遗传算法 最大化使用遗传算法的适应度函数。 默认求最大值。 用法: ga(type = c(binary, real-valued, permutation), fitness, ..., min, max, nBits, population = gaControl(type) , < /> = ( )selection, crossover = gaControl(type) , < /> = ( )mutation, popSize = 50, pcrossover = 0.8, pmutation = 0.1, elitism = base::max(1, round(popSize*0.05)), maxiter = 100, run = maxiter, maxfitness = Inf, names = NULL, suggestions = NULL, keepBest = FALSE, parallel = FALSE, monitor = gaMonitor, seed = NULL) 参数说明 ? type: 解得编码类型 – binary :二进制编码 – real-valued:实数浮点编码 – permutation:问题涉及到重新排序的列表,字符串编码。可求解 TSP 问题 fitness:适应度函数 min:解得下界(多元变量为一个向量) max:解得上界(多元变量为一个向量) nBits: 一个种群用二进制编码的长度是多少(长度越大代表精度越高) population:初始种群 selection:选择 crossover: 交叉 crossover:变异 popsize:种群大小 pcrossover: 交叉概率(默认 0.8) pmutation:变异概率(默认 0.1) elitism: 代沟(默认情况下,前 5%个体将在每个迭代中保留) maxiter: 最大迭代次数(默认 100) maxfitness:适应度函数的上界,GA 搜索后中断 keepBest:是否保留每一代的最优解 parallel:是否采用并行运算 monitor:绘图用的,监控遗传算法的运行状况 seed:一个整数值包含随机数发生器的状态。这个参数可以用来复制 GA 搜索 的结果。 通过 gaControl 设置默认的遗传算子。检索当前设置操作: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? – – – 举例 gaControl(binary) gaControl(real-valued) gaControl(permutation) 1. 一元函数: |x|+cos(x) ? ## ## ## ## 图像 Loading required package: foreach Loading required package: iterators Package 'GA' version 2.2 Type 'citation(GA)' for citing this R package in publications. library(GA) f <- function(x) abs(x) + cos(x) curve(f, -20, 20) ? 求解最小值 #由于这个函数默认求解最大值,所以我们求-f(x) fitness <- function(x) -f(x) 的最大值 GA <- ga(type = real-valued, fitness = fi

赞助商链接
相关文章:
更多相关标签: