遗传算法优化基础

最小化Rastrigin的功能

一种利用遗传算法求解优化问题的一个例子。

编码和尽量减少使用遗传算法的适应度函数

演示如何编写包含额外参数或向量化的适应度函数。

使用遗传算法的约束最小化

展示如何在问题中包含约束。

选项和输出

演示如何选择输入选项和输出参数。

遗传算法选项的影响

示例显示了几个选项的效果。

基于遗传算法的非线性约束

演示如何使用各种类型的约束的示例。

全球与本地极小使用GA

一个例子，说明如何寻找一个全球最低。

常见的调优选项

设置最大代数

演示如何调整最大代选项以获得更好的结果。

人口的多样性

展示了人口多样性的重要性，以及如何设置它。

健身缩放

描述健身缩放，以及它如何影响进度遗传算法。

变异和交叉

显示了变异和交叉参数的影响遗传算法。

混合方案中的遗传算法

演示如何使用混合函数来改进解决方案。

何时使用混合函数

描述混合函数可能提供更高精确度或速度的情况。

混合整数优化

混合整数遗传算法优化

解决混合整数规划问题，其中一些变量必须是整数值。

利用遗传算法求解一个混合整数工程设计问题

实施例示出了如何使用混合整数规划在GA，包括如何从值的有限列表中进行选择。

专门任务

简历ga

演示如何继续优化遗传算法从最终的人口中。

复制的结果

演示如何通过重置随机种子重新生成结果。

从一个文件运行ga

提供一个运行示例遗传算法使用一组参数搜索最有效的设置。

使用导出的选项和问题

演示如何创建和使用问题结构或一组选项。

向量化适应度函数

如何使用向量化的函数计算来获得速度。

创建自定义Plot函数

演示如何创建和使用自定义绘图函数遗传算法。

遗传算法的自定义输出功能

中自定义输出函数的使用遗传算法。

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ODE

优化目标给定的解ODE使用patternsearch要么遗传算法以串行或并行。

遗传算法的背景

什么是遗传算法?

介绍了遗传算法。

遗传算法术语

解释遗传算法的一些基本术语。

遗传算法是如何工作的

介绍遗传算法如何工作的概述。

非线性约束求解算法

解释了增广拉格朗日遗传算法(ALGA)和罚算法。

在优化应用程序中重现结果

要重现遗传算法最后一次运行的结果，请选择使用以前运行的随机状态复选框。

遗传算法的选择

描述遗传算法的选项。