Генетический алгоритм решает сглаженные или несглаженные задачи оптимизации с любыми типами ограничений, включая целочисленные ограничения. Это - стохастический, основанный на населении алгоритм, который ищет случайным образом мутацией и перекрестным соединением среди членов населения.
Минимизируйте функцию Рэстриджина
Представляет пример решения задачи оптимизации с помощью генетического алгоритма.
Кодирование и минимизация функции фитнеса Используя генетический алгоритм
Показывает, как записать функцию фитнеса включая дополнительные параметры или векторизацию.
Ограниченная минимизация Используя генетический алгоритм
Показывает, как включать ограничения в вашу проблему.
Показывает, как выбрать входные опции и выходные аргументы.
Пример, показывающий эффект нескольких опций.
Нелинейные Ограничения Используя ga
Пример, показывающий, как использовать различные типы ограничений.
Глобальная переменная по сравнению с Локальными Минимумами Используя ga
Примеры, показывающие, как искать глобальный минимум.
Определите максимальный номер поколений
Показывает, как настроить максимальную опцию поколений, чтобы получить лучший результат.
Показывает важность разнообразия населения, и как установить его.
Описывает масштабирование фитнеса, и как оно влияет на прогресс ga.
Варьируйтесь мутация и перекрестное соединение
Показывает эффект мутации и перекрестных параметров в ga.
Гибридная схема в генетическом алгоритме
Показывает использование гибридной функции для улучшения решения.
Когда использовать гибридную функцию
Описывает случаи, где гибридные функции, вероятно, обеспечат большую точность или скорость.
Смешанная целочисленная оптимизация
Решите задачи частично-целочисленного программирования, где некоторые переменные должны быть с целочисленным знаком.
Решение смешанной целочисленной проблемы инженерного проектирования Используя генетический алгоритм
Пример, показывающий, как использовать частично-целочисленное программирование в ga, включая то, как выбрать из конечного списка значений.
Показывает, как продолжить оптимизировать ga от итогового населения.
Показывает, как воспроизвести результаты путем сброса случайного seed.
Обеспечивает пример выполнения ga использование набора параметров, чтобы искать самую эффективную установку.
Используйте экспортируемые опции и проблемы
Показывает, как создать и использовать структуру задачи или набор опций.
Как получить скорость с помощью векторизованных функциональных оценок.
Создайте пользовательскую функцию построения графика
Показывает, как создать и использовать пользовательскую функцию построения графика в ga.
Пользовательская выходная функция для генетического алгоритма
Этот пример показывает использование пользовательской выходной функции в ga.
Оптимизация пользовательского типа данных Используя генетический алгоритм
Решите задачу коммивояжера с помощью пользовательского типа данных.
Оптимизация цели, данной решением ОДУ с помощью patternsearch или ga в последовательном или параллельном.
Вводит генетический алгоритм.
Терминология генетического алгоритма
Объясняет некоторая основная терминология для генетического алгоритма.
Как работает генетический алгоритм
Представляет обзор того, как генетический алгоритм работает.
Нелинейные ограничительные алгоритмы решателя
Объясняет алгоритм Увеличенного лагранжевого генетического алгоритма (ALGA) и штрафа.
Воспроизведите результаты в приложении оптимизации
Чтобы воспроизвести результаты последнего запуска генетического алгоритма, установите флажок Use random states from previous run.
Описывает опции для генетического алгоритма.
