遗传算法
用于混合或连续变化优化的遗传算法求解器，受约束或不受限制
遗传算法通过任何类型的约束（包括整数约束）解决平滑或非平滑优化问题。这是一种基于人群的随机算法，通过人群成员之间的突变和交叉随机搜索。
职能
实时编辑任务
| 优化 | 在实时编辑器中优化或求解方程 |
话题
基于问题的遗传算法
- 使用GA，基于问题的Rastrigins的功能最小化rastrigins
基本示例在基于问题的方法中使用多个最小值的函数最小化。 - 使用GA，基于问题的最小化约束最小化
使用非线性约束和边界解决非线性问题GA在基于问题的方法中。 - 使用遗传算法，基于问题的算法解决混合工程设计问题
示例显示了如何在GA中使用基于问题的混合组编程，包括如何从有限的值列表中进行选择。 - 使用基于问题的优化实时编辑器任务的可行性
使用基于问题的问题解决非线性可行性问题优化实时编辑任务和几个求解器。 - 使用Varindex设置选项
要在某些情况下设置选项，请使用基于问题的变量映射到基于求解器的变量Varindex。
遗传算法优化基础知识
- 最小化rastrigin的功能
提出了使用遗传算法解决优化问题的示例。 - 使用遗传算法编码和最小化健身函数
显示如何编写健身函数，包括额外的参数或矢量化。 - 使用遗传算法约束最小化
显示如何在问题中包含约束。 - 选项和输出
显示如何选择输入选项和输出参数。 - 遗传算法选择的影响
示例显示了几个选项的效果。 - 使用GA的全局与本地优化
此示例显示设置初始范围如何导致更好的解决方案。
常见的调整选项
- 设置最大世代和失速世代
这最大化选项确定遗传算法所采用的最大世代数。请参阅算法的停止条件。 - 人口多样性
显示了人口多样性的重要性以及如何设定人口。 - 健身缩放
描述健身缩放及其如何影响GA。 - 变化的突变和跨界
显示突变和交叉参数在GA。 - 遗传算法中的混合方案
显示了使用混合功能来改进解决方案的使用。 - 何时使用混合功能
描述混合功能可能提供更高准确性或速度的情况。
混合整数优化
- 混合整数GA优化
解决混合整数编程问题，其中某些变量必须是整数值。 - 使用遗传算法解决混合工程设计问题
示例显示了如何在GA中使用混合组编程，包括如何从有限值列表中进行选择。
专业任务
- 简历
显示如何继续优化GA来自最终人口。 - 再现结果
显示如何通过重置随机种子来重现结果。 - 从文件运行GA
提供了运行的示例GA使用一组参数搜索最有效的设置。 - 矢量化健身功能
如何使用矢量化函数评估来提高速度。 - 创建自定义图功能
显示如何在GA。 - 遗传算法的自定义输出功能
此示例显示了在GA。 - 使用遗传算法的自定义数据类型优化
使用自定义数据类型解决旅行推销员问题。 - 并行优化颂歌
优化使用解决方案给出的目标的目标模式搜索或者GA在串行或平行中。
遗传算法背景
- 什么是遗传算法？
引入遗传算法。 - 遗传算法术语
解释了遗传算法的一些基本术语。 - 遗传算法如何工作
概述了遗传算法的工作原理。 - 非线性约束求解器算法
解释了增强的拉格朗日遗传算法（藻类）和惩罚算法。 - 遗传算法选项
探索遗传算法的选项。
您还可以从以下列表中选择一个网站：
美洲
- AméricaLatina（Español）
- 加拿大（英语）
- 美国（英语）