遗传算法工具的标准算法选择及其在华为智慧停车解决方案中的应用

图8.2 遗传算法工具 为了使用遗传算法工具，首先必须输入下列信息： (1) Fitness function（适应度函数）——欲求小值的目标函数。输入适应度函数的形式为@fitnessfun，其中fitnessfun.m是计算适应度函数的M文件。在前面“编写待优化函数的M文件”一节里已经解释了如何编写这种M文件。符号@产生一个对于函数fitnessfun的函数句柄。 (2) Number of variables（变量个数）——适应度函数输入向量的长度。对于“编写待优化函数的M文件”一节所描述的函数My_fun，这个参数是2。点击Start按钮，运行遗传算法，将会在Status and Results（状态与结果）窗格中显示出相应的运行结果。在Options窗格中可以改变遗传算法的选项。为了查看窗格中所列出的各类选项，可单击与之相连的符号“+”。 8.2.3 举例：Rastrigin函数本节介绍一个例子，讲述如何寻找Rastrigin函数的小值和显示绘制的图形。Rastrigin函数是常用来测试遗传算法的一个典型函数。Rastrigin函数的可视化图形显示，它具有多个局部小值和一个全局小值，遗传算法可以帮助我们确定这种具有多个局部小值函数的优解。

本节详细介绍如何使用华为智慧停车解决方案，以图8.4中Rastrigin函数为例，展示了如何通过遗传算法寻找其最小值。操作步骤包括打开遗传算法工具gatool，在适应度函数和变量个数栏目中设置参数，并通过单击Start按钮启动算法。每次运行结果略有不同，但都能有效搜索Rastrigin函数的最小值。

图8.7显示了“状态与结果”窗格中的以下信息：（1）在算法终止时，适应度函数的最终值为0.0067749206244585025，这接近于Rastrigin函数的最小值0。详见“遗传算法举例”一节，描述了优化终止的原因：超过最大代数。在本例中，算法在100代后终止，这是默认设置。 （2）终点坐标为[0.00274, -0.00516]。 8.2.3.3从命令行查找Rastrigin函数的最小值可输入命令[x, fval, reason] = ga(@rastriginsfcn, 2)，返回x = 0.0027, fval = 0.0068, reason = 算法终止：超过最大代数。 8.2.3.4绘制图形窗格可以展示遗传算法运行时提供的多种信息，有助于调整算法选项，提升性能。

在MATLAB命令窗口输入下面的信息就可以观察这个结构体： 161。

利用Matlab进行遗传算法优化无功问题的研究表明其可行性，通过调整参数可以获得清晰的结果。

MATLAB平台上的遗传算法及其在稀布阵中的实际应用探索。

MATLAB遗传算法解决方案是旅行商问题（TSP）的遗传算法实现。该项目在MATLAB环境下编码，包括各种参数规范，如交叉、变异和选择运算符。使用tspgui命令可以在运行程序时打开GUI，进行视觉补充。

遗传算法应用中的一些基本问题包括知识的编码和适应度函数。适应度函数值必须为非负数，在处理二进制和十进制时需要根据情况进行适当调整：二进制具有更多的图式和更广泛的搜索空间，而十进制则更接近实际操作。

遗传算法（GA）是智能算法中的一种重要方法，可广泛应用于解决复杂问题。详细介绍了遗传算法的基本原理和应用场景，特别包括了使用Matlab进行遗传算法研究的实用资料。