基于问题的遗传算法

基于问题的遗传算法最小化rstrigins函数

在基于问题的方法中最小化具有多个极小值的函数的基本示例。

基于问题的遗传算法约束最小化

使用ga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。

使用varindex在基于问题的方法中设置选项

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

遗传算法优化基础

最小化Rastrigin函数

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矢量化的适应度函数。

基于遗传算法的约束极小化

演示如何在问题中包含约束。

选择和输出

显示如何选择输入选项和输出参数。

遗传算法选项的影响

显示多个选项效果的示例。

基于遗传算法的全局与局部优化

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”

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。

种群多样性

展示了人口多样性的重要性，以及如何设置。

健身比例

描述健身缩放，以及它如何影响进度ga.

变异和交叉

显示了中变异和交叉参数的效果ga.

遗传算法中的混合方案

演示如何使用混合函数来改进解决方案。

何时使用混合功能

描述混合功能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

恢复ga

演示如何继续优化ga来自最终人口。

重现结果

显示如何通过重置随机种子来复制结果。

从文件运行ga

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。

向量化适应度函数

如何使用矢量化函数求值获得速度。

创建自定义绘图函数

中创建和使用自定义绘图函数ga.

遗传算法的自定义输出函数

此示例显示在中使用自定义输出函数ga.

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商问题。

并行优化ODE

优化ODE解给出的目标，使用patternsearch或ga串行的或平行的

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。

遗传算法的工作原理

概述了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。

遗传算法选项

探索遗传算法的选项。