查找高度非线性问题的全局最优

遗传算法(GA)是求解基于天然选择过程,模仿生物进化两个约束和无约束优化问题的方法。该算法反复修改个性化解决方案的一个群体。万博 尤文图斯在每一步中,遗传算法随机选择从目前的人口,并用它们作为父母产生孩子为下一代人。在连续几代,人口的“演化”走向理想的解决方案。

可以应用遗传算法以解决不能很好适合于标准的优化算法,包括在其中所述目标函数是不连续的,不可微,随机,或高度非线性的问题的问题。

遗传算法不同于经典的,基于衍生物-,优化算法以两种主要方式,如概括在下表中。

经典算法 遗传算法
生成在每次迭代的单个点。点序列接近最优解。 在每次迭代产生点的人口。在人群中的最佳点逼近的最佳解决方案。
选择由确定性计算序列中的下一个点。 选择由计算下一人口,它使用随机数生成器。

有关应用遗传算法的详细信息,请参阅全局优化工具箱

也可以看看:全局优化工具箱优化工具箱模拟退火线性规划二次规划整数规划非线性规划多目标优化遗传算法的视频