从文件运行 ga
命令行界面使您能够使用文件多次运行遗传算法，并使用不同的选项设置。例如，您可以运行具有不同交叉分数设置的遗传算法，以查看哪一个能产生最佳结果。下面的代码运行函数 ga 21 次，将 options.CrossoverFraction 从 0 变化到 1，增量为 0.05，并记录结果。
options = optimoptions('ga','MaxGenerations',300,'Display','none'); rng default % for reproducibility record=[]; for n=0:.05:1 options = optimoptions(options,'CrossoverFraction',n); [x,fval]=ga(@rastriginsfcn,2,[],[],[],[],[],[],[],options); record = [record; fval]; end
绘制 fval 的值与交叉分数的关系图。
plot(0:.05:1, record); xlabel('Crossover Fraction'); ylabel('fval')
该图表明，将 options.CrossoverFraction 设置为 0.4 和 0.8 之间的某个值可以获得最佳结果。
通过运行 fval 20 次并计算每个交叉分数的 fval 值的平均值，您可以获得 ga 作为交叉分数函数的更平滑的图。
options = optimoptions('ga','MaxGenerations',300,'Display','none'); rng default % for reproducibility record=[]; fval = zeros(20,1); for n=0:.05:1 options = optimoptions(options,'CrossoverFraction', n); for i = 1:20 [x,fval(i)]=ga(@rastriginsfcn,2,[],[],[],[],[],[],[],options); end meanf = mean(fval); record = [record; meanf]; end plot(0:.05:1, record); xlabel('Crossover Fraction'); ylabel('fval')
该图还表明 options.CrossoverFraction 的最佳选择范围是 0.4 到 0.8。
