遗传算法解决光滑或非光滑优化问题与任何类型的约束,包括整数约束。它是一种随机的,基于种群的算法,通过种群成员间的变异和交叉随机搜索。
一种利用遗传算法求解优化问题的一个例子。
演示如何编写包含额外参数或向量化的适应度函数。
展示如何在问题中包含约束。
演示如何选择输入选项和输出参数。
示例显示了几个选项的效果。
演示如何使用各种类型的约束的示例。
一个例子,说明如何寻找一个全球最低。
解决混合整数规划问题,其中一些变量必须是整数值。
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。
演示如何继续优化遗传算法
从最终的人口中。
演示如何通过重置随机种子重新生成结果。
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。
演示如何创建和使用问题结构或一组选项。
如何使用向量化的函数计算来获得速度。
演示如何创建和使用自定义绘图函数遗传算法
。
中自定义输出函数的使用遗传算法
。
使用自定义数据类型解决旅行推销员问题。
优化目标给定的解ODE使用patternsearch
要么遗传算法
以串行或并行。
介绍了遗传算法。
解释遗传算法的一些基本术语。
介绍遗传算法如何工作的概述。
解释了增广拉格朗日遗传算法(ALGA)和罚算法。
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。
描述遗传算法的选项。