遗传算法解决具有任何类型约束(包括整数约束)的光滑或非光滑优化问题。它是一种基于种群的随机算法,通过种群成员之间的变异和交叉进行随机搜索。
优化 | 在Live Editor中优化或求解方程 |
在基于问题的方法中最小化具有多个极小值的函数的基本示例。
使用ga
在基于问题的方法中。
演示如何在ga中使用基于问题的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。
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
.
给出了一个用遗传算法求解优化问题的实例。
演示如何编写包含额外参数或矢量化的适应度函数。
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。
显示多个选项效果的示例。
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。
这个最大世代
选项确定遗传算法的最大生成次数;请参见算法的停止条件。
展示了人口多样性的重要性,以及如何设置。
描述健身缩放,以及它如何影响进度ga
.
显示了中变异和交叉参数的效果ga
.
演示如何使用混合函数来改进解决方案。
描述混合功能可能提供更高精度或速度的情况。
演示如何继续优化ga
来自最终人口。
显示如何通过重置随机种子来复制结果。
提供了一个运行的示例ga
使用一组参数来搜索最有效的设置。
如何使用矢量化函数求值获得速度。
中创建和使用自定义绘图函数ga
.
此示例显示在中使用自定义输出函数ga
.
使用自定义数据类型解决旅行商问题。
优化ODE解给出的目标,使用patternsearch
或ga
串行的或平行的