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。