遗传算法解决任何类型的约束,包括整数约束的光滑或非光滑优化问题。它是一种随机的、基于种群的算法,在种群成员之间通过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。
演示如何在问题中包含约束。
显示如何选择输入选项和输出参数。
显示多个选项的效果的示例。
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。
演示如何在遗传算法中使用混合整数规划的示例,包括如何从有限的值列表中进行选择。
演示如何继续优化遗传算法
来自最终的人口。
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
使用一组参数来搜索最有效的设置。
演示如何创建和使用问题结构或一组选项。
如何使用向量化函数计算获得速度。
演示如何在其中创建和使用自定义绘图函数遗传算法
。
这个例子展示了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ODE使用的解决方案给出的目标patternsearch
要么遗传算法
以串行或并行。
介绍了遗传算法。
解释遗传演算法的一些基本术语。
概述了遗传算法的工作原理。
解释了增广拉格朗日遗传算法(ALGA)和罚算法。
若要重现上次运行的遗传算法的结果,请选择使用前一次运行的随机状态复选框。
描述遗传算法的选项。