Question

我想使用Matlab的Optimization-ToolBox为遗传算法提供工具。我有一个小方程（得分= alpha *（\ sum（L [i]）^（1 / alpha）+ Beta *（\ sum（R [i]）^（1 / Beta））计算得分{ {1}}和L是我之前计算过的值的向量，R和alpha是我想通过GA优化的参数。约束条件是得分应该接近另一个称为beta的分数向量。我们可以通过以下方式形式化这个约束：“|| score - ground_truth_score || _2 ^ {2} = 0”

因此，对于每个ground truth和\sum(L[i])，\sum(R[i])和Alpha都会优化之前定义的约束。

我试图在Matlab中发现GA，但是，我不知道如何使用适应度函数（等式）来形式化约束。

Answer 1

在阅读这个例子后，我认为这与我的http://fr.mathworks.com/help/gads/examples/coding-and-minimizing-a-fitness-function-using-the-genetic-algorithm.html?prodcode=GD&language=fr

类似

我做了这个目标函数来管理我的问题的最小化，但是我不确定它是否是正确的答案：

function y=parametrized_fitness_fct(x,ground_truth_score)

 y=x(1)*(L^(1/x(1))) + x(2)*(R^(1/x(2))) + ground_truth_score;
      % ground_truth_score, L and R are single values
end
FitnessFunction =@(x) parametrized_fitness_fct(x,ground_truth_score);
[x,score] = ga(FitnessFunction,numberOfVariables)%numberOfVariables=2
%x will be a vector containing the searched values "alpha and beta",    
%and score is the score optimized to be close to the ground_truth_score

遗传算法matlab最小化

1 个答案: