标签：初始化 抽样 end 种群 拉丁 Matlab 立方体

拉丁超立方体初始化种群

1.引言

群智能算法一般以随机方式产生初始化种群的位置，但是这种方式可能导致种群内个体分布不均匀。拉丁超立方体抽样方法产生的初始种群位置，可以保证全空间填充和抽样非重叠，从而使种群分布均匀。

2.LHS抽样过程

step1: 确定抽样规模\(H\)
step2: 将每维变量\(x^i\)的定义域区间\([x_l^i,x_u^i]\)划分成\(H\)个相等的小区间：

\[x_l^i=x_0^i<x_1^i<x_2^i<....<x_j^i<...<x_H^i=x_u^i \]

这样就将原来的一个超立方体划分成\(H^n\)个小超立方体。
step3:产生一个\(H\times{n}\)的矩阵\(A\)，\(A\)的每列都是数列\({1,2,...,H}\)的一个随机全排列。
step4:\(A\)的每行就对应一个被选中的小超立方体，在每个被选中的小超立方体内随机产生一个样本。

4.Matlab代码

% ======================================
%         拉丁超立方体初始化种群
% ======================================

% step1:清理运行环境
close all;
clear
clc

% step2:参数设置
n = 30; % 确定抽样规模
d = 2;  % 维数

% step3:划分小超立方体
lb = (0:n-1)./n;
ub = (1:n)./n;

% step4:产生一个H*n的全排列矩阵
A = zeros(n, d);
for i=1:d
    A(:,i) = randperm(n);
end

% step5:采样
H = zeros(n,d);
for i=1:n
    for j=1:d
        H(i,j) = unifrnd(lb(A(i,j)), ub(A(i,j)));
    end 
end

% step6:可视化
figure
scatter(H(:,1),H(:,2));
xlim([0, 1]);
ylim([0, 1]);
grid on;

标签：初始化,抽样,end,种群,拉丁,Matlab,立方体
来源： https://www.cnblogs.com/mysterygust/p/14970613.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。