利用MATLAB实现遗传算法和MATLAB神经网络工具箱的使用

实验一利用MATLAB实现遗传算法

一、实验目的

1、熟悉MATLAB语言编程环境

2、掌握MATLAB语言命令

3、学会利用MATLAB编程实现遗传算法

二、实验原理

MATLAB是美国Math Works公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计等领域。通过学习遗传算法原理，使用MATLAB编写程序，实现其求解策略。

三、实验内容

通过MATLAB编程，利用遗传算法求解：

x

x

=求[-2,2]

f-

)

(

f.

x

，

max∈

ex p

05

x

sin(

),

.0

)

(x

)

200

(

三、实验要求

1、程序设计

2、调试

3、实验结果

4、撰写实验报告

实验二 MATLAB神经网络工具箱的使用

一、实验目的

1、掌握MATLAB语言命令

2、提高MATLAB程序设计能力

3、学会使用MATLAB神经网络工具箱

二、实验原理

MATLAB语言是Math Works公司推出的一套高性能计算机编程语言，集数学计算、图形显示、语言设计于一体，其强大的扩展功能为用户提供了广阔的应用空间。它附带有30多个工具箱，神经网络工具箱就是其中之一。利用该工具箱可以方便的构建神经网络的结构模型、设计、训练等，实现神经网络算法。

三、实验内容

通过MATLAB编程，利用神经网络工具箱预测公路运量：

公路运量主要包括公路客运量和公路货运量两个方面。据研究，某地区的公路运量主要与该地区的人数、机动车数量和公路面积有关，上表给出了该地区20年的公路运量相关数据。根据有关部门数据，该地区2010和2011年的人数分别为73.39和75.55万人，机动车数量分别为3.9635和4.0975万辆，公路面积分别为0.9880和1.0268万平方千米。请利用BP网络预测该地区2010和2011年的公路客运量和公路货运量。

某地区20年公路运量数据

三、实验要求

1、程序设计

2、调试

3、实验结果

4、撰写实验报告

运用遗传算法求解函数最大值：

所有的子程序为M文件

%子程序：计算适应度函数，函数名称存储为fitnessfu.m

function[Fitvalue,sumsump]=fitnessfun(population);

global BitLength

global boundsbegin

global boundsend

popsize=size(population,1);

for i=1:popsize

x=transform2to10(population(i,:));

xx=boundsbegin+x*(boundsend-boundsbegin)/(power((boundsend),BitLength)-1); Fitvalue(i)=targetfun(xx);

end

Fitvalue(i)=Fitvalue'+230;

fsum=sum(Fitvalue);

Pperpopulation=Fitvalue/fsum;

cumsump(1)=Pperpopulation(1);

for i=2:popsize

cumsump(i)=cumsumo(i-1)+Pperpopulation(i);

end

cumsump=cumsump';

%子程序：新种群交叉操作，函数名称存储为crossover.m

function scro=crossover(population,seln,pc)

BitLength=size(population,2);

pcc=IfCroIfMut(pc);

if pcc==1

chb=round(rand*(BitLength-2))+1;

scro(1,:)=[population(seln(1),1:chb),population(seln(2),chb+1:BitLength)];

scro(2,:)=[population(seln(2),1:chb),population(seln(1),chb+1:BitLength)]; else

scro(1,:)=population(seln(1),:);

scro(2,:)=population(seln(2),:);

end

%子程序：新种群变异操作，函数名称存储为mutation.m

function snnew=mutation(snew,pmutation);

BitLength=size(snew,2);

snnew=snew;

pmm=IfCroIfMut(pmutation);

if pmm==1

chb=round(rand*(BitLlength-1))+1;

end

%子程序：判断遗传运算是否需要进行交叉或变异，函数名称存储为IfCroIfMut.m function pcc=IfCroIfMut(mutORcro);

test(1:100)=0;

1=round(100*mutORcro);

test(1:1)=1;

n=round(rand*99)+1;

pcc=test(n);

%子程序：新种群选择操作，函数名称存储为selection.m

function seln=selection(population,cumsump);

for i=1:2

r=rand;

prand=cumsump-r;

j=1;

whlie prand(j)<0

j=j+1;

end

seln(i)=j;

end

%子程序：将二进制数转换为十进制数，函数名称存储为transform2to10.m function x=transform2to10(Population);

BitLength=size(Population,2);

x=Population(BitLength);

for i=1:BitLength-1

x=x+Population(BitLength-i)*power(2,i);

end

%子程序：对于优化最大值或者极大值函数问题，目标函数可以作为适应度函数，%函数名称存储为targetfun.m

function

y=targetfun(x);

y=200*exp(-0.05*x).*sin(x);