杂草算法步骤(简化)

基于杂草优化算法的灰色预测模型，整个算法分为两部分：灰色预测模型和杂草算法，灰色模型很简单，就是一个函数关系式
然后再利用杂草算法估计参数a 和u 即可。

下面我们主要解释杂草优化算法的步骤
步骤一：设置各种参数的初值及区间。

例如：我们选取120组数据（5天话务量）作为训练样本。

设置初始种群5，最大迭代次数300，最大种群的数目100，最大种子数4，最小种子数0，非线性调制指数2，初始标准差50，最终标准差0.01，问题的求解维数为2。

给待估参数设置估计区间，如)20,1(ˆ,2,3.0-[ˆ)20,1(ˆ),3.0-5.0-[ˆ∈∈∈∈u
a u a ）或，。

由于初始种群为5，则利用rand 函数随机产生5个）（u a ˆ,ˆ初始解。

步骤二：对给定的5个初始解，计算ini n i x x N u a f N j j j i i _,,2,1)ˆ(1)ˆ,ˆ(1
2 =-=∑=，，将f 值从小至大排序，对应适应值i l 的从最优（最大）至最差（最小）的大小排序。

规定最优适应值个体允许繁殖的子代个数为max seed ，最差适应值个体允许繁殖的子代个数为min seed ，其他个体允许繁殖的子代个数与其适应值服从向下取整的线性关系，即
min min min
max min max )(Seed l l l l Seed Seed Seed i i +---= 步骤三：假设上述5个父代产生了10个子代，则重新利用rand 函数随机产生10
个）（u a ˆ,ˆ初始解，然后再产生子代。

重复步骤二，利用rand 函数随机产生多个）（u a ˆ,ˆ初始解产生子代，直到达到最大的种群数量。

并将所有的种子按适应值排
序，将适应值最优的个体所拥有的）（u a ˆ,ˆ作为本次迭代的最优解。

步骤四：进行多次迭代，直到达到最大的迭代次数，在所有的迭代中选出最优解）（u a ˆ,ˆ。