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
遗传算法可以解决任意类型约束条件下的光滑或非光滑优化问题，包括整数约束。它是一种随机的、基于种群的算法，通过种群成员之间的突变和交叉进行随机搜索。
功能
主题
遗传算法优化基础
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向量化的适应度函数。
演示如何在问题中包含约束。
展示如何选择输入选项和输出参数。
示例显示了几个选项的效果。
这个例子展示了如何使用各种类型的约束。
一个例子说明如何搜索全局最小值。
常用调优选项
演示如何调整最大代数选项以获得更好的结果。
展示了种群多样性的重要性，以及如何设置它。
描述适应度缩放，以及它如何影响的进度遗传算法．
显示了突变和交叉参数在遗传算法．
演示如何使用混合函数来改进解决方案。
专门的任务
显示如何继续优化遗传算法从最终的总体中。
展示如何通过重置随机种子来重现结果。
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来获得速度。
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在遗传算法．
使用自定义数据类型解决旅行推销员问题。
优化由ODE的解给出的目标patternsearch或遗传算法串行或并行的。
遗传算法背景
介绍遗传算法。
解释遗传算法的一些基本术语。
介绍遗传算法如何工作的概述。
介绍了增广拉格朗日遗传算法(ALGA)和惩罚算法。
要重现遗传算法最后一次运行的结果，请选择使用之前运行的随机状态复选框。
描述遗传算法的选项。
您也可以从以下列表中选择一个网站:
