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
实时编辑任务
优化 | 在实时编辑器中优化或解决方程 |
主题
基于问题的遗传算法
- 最小化Rastrigins的函数使用ga,基于问题
基于问题的方法用多个最小值最小化一个函数的基本示例。 - 基于问题的约束最小化算法
求解具有非线性约束和边界的非线性问题遗传算法
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
示例显示如何在遗传算法中使用基于问题的混合整数编程,包括如何从有限值列表中进行选择。 - 可行性使用基于问题的优化实时编辑器任务
利用基于问题的方法求解一个非线性可行性问题优化实时编辑器任务和几个解决方案。 - 在基于问题的方法中使用varindex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为基于求解器的使用varindex
.
遗传算法优化基础
- 最小化Rastrigin的功能
给出了一个用遗传算法求解优化问题的实例。 - 利用遗传算法对适应度函数进行编码和最小化
演示如何编写包含额外参数或向量化的适应度函数。 - 基于遗传算法的约束最小化算法
演示如何在问题中包含约束。 - 选项和输出
展示如何选择输入选项和输出参数。 - 遗传算法选项的影响
示例显示了几个选项的效果。 - 使用遗传算法进行全局与局部优化
这个例子展示了如何设置初始范围可以获得更好的解决方案。
常用调优选项
- 设置最大代数和失速代数
检查设置的效果MaxGenerations
而且MaxStallGenerations
选项。 - 人口的多样性
展示了种群多样性的重要性,以及如何设置它。 - 健身比例
描述适应度缩放,以及它如何影响的进度遗传算法
. - 变异、突变和交叉
显示了突变和交叉参数在遗传算法
. - 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。 - 何时使用混合函数
描述混合函数可能提供更高精度或速度的情况。
混合整数优化
- 混合整数ga优化
解决混合整数规划问题,其中一些变量必须为整数值。 - 用遗传算法求解一个混合整数工程设计问题
示例显示如何在ga中使用混合整数编程,包括如何从有限值列表中进行选择。
专门的任务
- 简历ga
显示如何继续优化遗传算法
从最终的总体中。 - 复制的结果
展示如何通过重置随机种子来重现结果。 - 从文件中运行ga
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。 - 向量化适应度函数
如何使用向量化函数计算来获得速度。 - 创建自定义绘图函数
中创建和使用自定义绘图函数遗传算法
. - 遗传算法自定义输出函数
这个例子展示了自定义输出函数在遗传算法
. - 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推销员问题。 - 并行优化ode
通过只调用一次昂贵的子例程并并行计算ODE解决方案来节省时间patternsearch
或遗传算法
.
遗传算法背景
- 什么是遗传算法?
介绍遗传算法。 - 遗传算法术语
解释遗传算法的一些基本术语。 - 遗传算法是如何工作的
介绍遗传算法如何工作的概述。 - 非线性约束求解算法
介绍了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。