基于遗传算法

基于问题的遗传算法最小化rstrigins函数

在基于问题的方法中用多个最小值最小化一个函数的基本例子。

基于问题的遗传算法的约束最小化

用非线性约束和边界解决一个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

演示了如何在遗传算法中使用基于问题的混合整数规划，包括如何从有限的值列表中选择。

使用可变索引设置基于问题的方法中的选项

要在某些上下文中设置选项，请将基于问题的变量映射到基于求解器的使用varindex．

遗传算法优化基础

最小化Rastrigin的功能

给出了一个用遗传算法求解优化问题的实例。

用遗传算法编码和最小化适应度函数

演示如何编写包含额外参数或向量化的适应度函数。

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

示例显示了几个选项的效果。

遗传算法的全局优化与局部优化

这个例子展示了如何设置初始范围以获得更好的解决方案。

常见的调优选项

设置“最大代数”和“Stall代数”

的MaxGenerations选项决定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

说明了人口多样性的重要性，以及如何设置它。

健身比例

描述健身缩放，以及它如何影响进度遗传算法．

变异变异和交叉

中变异和交叉参数的影响遗传算法．

遗传算法中的混合方案

演示了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

解决一些变量必须是整数值的混合整数规划问题。

用遗传算法求解一个混合整数工程设计问题

演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

简历ga

演示如何继续优化遗传算法从最后的人口。

复制的结果

演示如何通过重置随机种子来重现结果。

从文件中运行ga

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。

向适应度函数向量化

如何使用向量化函数计算获得速度。

创建自定义绘图功能

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

中的自定义输出函数的用法遗传算法．

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

优化一个目标给出的解决方案的ODE使用patternsearch或遗传算法串行的或平行的

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

介绍遗传算法的工作原理。

非线性约束求解算法

解释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。