一个(非常基本的)方法:
xd =兰德(10,1);%创建因变量
ξ=兰德(10、4);%创建独立变量矩阵
R = @ (b, x) b(1)。*罪(b(2)。* x (: 1)) + b(3)。* exp (b(4)。* x (:, 2)) + b(5)。* cos (b(6)。* x (:, 3)) - b(7)。* x (:, 4);%目标函数
ftnsfcn = @(b) norm(xd - R(b,xi));%适应度函数
B = ga(ftnsfcn, 7);%遗传算法调用
这个想法是创建一个独立变量的矩阵，然后通过它们各自的列引用它们(我的偏好)。
有很多方法可以定制
遗传算法
人口和其他参数，以获得临时输出并创建一个特定的初始人口等。的
遗传算法
函数将在参数空间中搜索最佳集合，因此只有在它们的预期振幅有很大变化时，才需要严格定义它们的范围。
