遗传算法优化基础

最小化Restrigin的功能

给出了一个用遗传算法求解优化问题的实例。

利用遗传算法编码和最小化适应度函数

显示如何编写健身功能，包括额外的参数或矢量化。

使用遗传算法约束最小化

展示如何在问题中包含约束。

选择和输出

显示如何选择输入选项和输出参数。

遗传算法选项的影响

示例显示了多种选项的效果。

使用GA的非线性约束

展示如何使用各种类型的约束的示例。

全球对阵本地优化使用GA

这个例子展示了如何通过设置初始范围来获得更好的解决方案。

常见的调优选项

设置最大代数和停止代

这最大选项确定遗传算法所需的最大几代数;请参阅停止算法的条件。

人口多样性

显示人口多样性的重要性，以及如何设置它。

健身比例

描述健身规模，以及它如何影响进展GA.。

变化和交叉变化

显示突变和交叉参数的效果GA.。

遗传算法中的混合方案

显示使用混合函数来改善解决方案。

何时使用混合函数

描述了混合功能可能提供更高的准确度或速度的情况。

混合整数规划

混合整数GA优化

解决混合整数编程问题，其中一些变量必须是整数值。

使用遗传算法解决混合整数工程设计问题

这个例子展示了如何在遗传算法中使用混合整数规划，包括如何从有限的值列表中选择。

专门的任务

恢复Ga.

展示如何继续优化GA.从最终人口。

再现结果

通过重置随机种子来展示如何重现结果。

从文件运行GA

提供了运行的示例GA.使用一组参数来搜索最有效的设置。

矢量化健身功能

如何使用矢量化函数评估获得速度。

创建自定义绘图功能

显示如何创建和使用自定义绘图功能GA.。

遗传算法的自定义输出函数

此示例显示了使用自定义输出功能GA.。

使用遗传算法进行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ode

优化通过解决方案给出的目标patternsearch或GA.串行的或并行的。

遗传算法的背景

什么是遗传算法？

介绍遗传算法。

遗传算法的术语

解释了遗传算法的一些基本术语。

遗传算法如何运作

概述了遗传算法如何运作的概述。

非线性约束求解算法

解释了增强拉格朗日遗传算法（藻类）和罚款算法。

遗传算法选项

描述了遗传算法的选项。