遗传算法
混合整数或连续变量优化的遗传算法求解器，有约束或无约束
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、基于群体的算法，通过群体成员之间的突变和交叉进行随机搜索。
功能
住编辑任务
| 优化 | 在实时编辑器中优化或求解方程 |
主题
基于遗传算法
- 基于问题的ga最小化Rastrigins函数
在基于问题的方法中，用多个极小值最小化一个函数的基本示例。 - 基于问题的遗传算法的约束最小化
求解具有非线性约束和边界的非线性问题遗传算法在基于问题的方法中。 - 基于问题的遗传算法求解混合整数工程设计问题
演示如何在遗传算法中使用基于问题的混合整数编程，包括如何从有限的值列表中进行选择。 - 基于问题优化实时编辑器任务的可行性
用基于问题的方法求解非线性可行性问题优化实时编辑器任务和几个求解器。 - 在基于问题的方法中使用varindex设置选项
要在某些上下文中设置选项，请将基于问题的变量映射为基于求解器的使用varindex．
遗传算法优化基础
- 最小化Rastrigin的功能
给出了用遗传算法求解优化问题的一个例子。 - 用遗传算法对适应度函数进行编码和最小化
演示如何编写包含额外参数或向量化的适应度函数。 - 基于遗传算法的约束最小化
演示如何在问题中包含约束。 - 选择和输出
演示如何选择输入选项和输出参数。 - 遗传算法选项的影响
显示几个选项效果的示例。 - 使用遗传算法进行全局和局部优化
这个例子展示了如何设置初始范围可以得到更好的解决方案。
常见的调优选项
- 设置最大代数和失速代数
的MaxGenerations选项决定了遗传算法需要的最大代数;参见算法的停止条件。 - 人口的多样性
展示了种群多样性的重要性，以及如何设置它。 - 健身比例
描述适应度缩放，以及它如何影响的进展遗传算法． - 变异变异和交叉
显示了变异和交叉参数的影响遗传算法． - 遗传算法中的混合方案
演示如何使用混合函数改进解决方案。 - 何时使用混合函数
描述混合函数可能提供更高的精度或速度的情况。
混合整数规划
- 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。 - 用遗传算法求解混合整数工程设计问题
演示如何在ga中使用混合整数编程的示例，包括如何从有限的值列表中进行选择。
专门的任务
- 简历ga
演示如何继续优化遗传算法从最终种群中。 - 复制的结果
演示如何通过重置随机种子来再现结果。 - 从文件中运行ga
提供运行的示例遗传算法使用一组参数来搜索最有效的设置。 - 向量化适应度函数
如何使用向量化函数计算来提高速度。 - 创建自定义Plot函数
中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函数
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出差推销员问题。 - 并行优化ODE
优化一个给定目标的解patternsearch或遗传算法连续地或平行地
遗传算法的背景
- 什么是遗传算法?
介绍了遗传算法。 - 遗传算法的术语
解释遗传算法的一些基本术语。 - 遗传算法是如何工作的
介绍了遗传算法的工作原理。 - 非线性约束求解算法
阐述了增广拉格朗日遗传算法(ALGA)和惩罚算法。 - 遗传算法的选择
探索遗传算法的选项。
您也可以从以下列表中选择网站: