遗传算法解决非线性规划问题

Posted 2021-10-07 py佐料

题目如图：

解法一：
ycfun1：

function y =yfun1(x);   %这里申明是x的变量函数，则x(1)、x(2)就可以直接用了
%适应度函数
c1=[-4 -2];
c2=[1 1];
y=c1*x\'+c2*x\'.^2+5;   %x的转置

ycfun2：

%非线性约束
function [f,g]=yfun2(x);%x为行向量
f=[-x(1)^2/4+x(2)^2-1];
g=[];

main：

clc,clear;
a=[-1 2];%线性约束
b=[1];%线性约束
[x,y]=ga(@yfun1,2,a,b,[],[],[],[],@yfun2);
x,y  %输出x，y

结果集中在：
x =

2.0000    1.0000

y =

-8.8818e-16

解法二：

function ti12_1
fun1=@(x)(x(1)-2)^2+(x(2)-1)^2;
a=[-1,2];b=1;
[x,val]=ga(fun1,2,a,b,[],[],[],[],@fun2)
function [c,ceq]=fun2(x);
c=-x(1)^2/4+x(2)^2-1;
ceq=[];

以上两种解法不过是解法二将函数集中在一起写了而已。虽然解法二结果浮动较大，但是明显解法二的结果最优，其多次求解的值集中在e-21数量级。但是同样调用的是ga函数，为什么解法一的结果就始终集中在 -8.8818e-16？这个问题有待思考。

这篇文章，是又一个故事的结束...

lazy\'s story is continuing.