Генетический алгоритм решает проблемы гладкой или неточной оптимизации с любыми типами ограничений, включая целочисленные ограничения. Это стохастический популяционный алгоритм, который ищет случайным образом по мутации и кроссоверу среди членов популяции.
| Оптимизировать | Оптимизация или решение уравнений в интерактивном редакторе |
Минимизация функции Растригина
Представляет пример решения задачи оптимизации с помощью генетического алгоритма.
Кодирование и минимизация фитнес-функции с помощью генетического алгоритма
Показывает, как записать фитнес-функцию, включая дополнительные параметры или векторизацию.
Ограниченная минимизация с помощью генетического алгоритма
Показывает, как включить ограничения в проблему.
Показывает, как выбрать параметры ввода и аргументы вывода.
Влияние вариантов генетического алгоритма
Пример, показывающий эффект нескольких опций.
Нелинейные ограничения с использованием ga
Пример использования различных типов ограничений.
Глобальная и локальная оптимизация с использованием ga
В этом примере показано, как установка начального диапазона может привести к лучшему решению.
Установка максимального количества поколений и остановленных поколений
MaxGenerations параметр определяет максимальное количество поколений, которое занимает генетический алгоритм; см. раздел Условия остановки алгоритма.
Показывает важность разнообразия населения и как его установить.
Описывает масштабирование фитнеса и его влияние на прогресс ga.
Показывает влияние параметров мутации и кроссовера в ga.
Гибридная схема в генетическом алгоритме
Показывает использование гибридной функции для улучшения решения.
Когда использовать гибридную функцию
Описывает случаи, когда гибридные функции, вероятно, обеспечивают большую точность или скорость.
Оптимизация смешанного целого ga
Решите проблемы смешанного целочисленного программирования, где некоторые переменные должны быть целочисленными.
Решение задачи проектирования со смешанным целым с помощью генетического алгоритма
Пример использования смешанного целочисленного программирования в ga, включая выбор из конечного списка значений.
Показывает, как продолжить оптимизацию ga из конечного населения.
Показывает, как воспроизвести результаты путем сброса случайного начального значения.
Пример выполнения ga использование набора параметров для поиска наиболее эффективной настройки.
Как повысить скорость с помощью векторизированных оценок функций.
Создание пользовательской функции печати
Демонстрационный ролик о создании и использовании пользовательской функции печати в ga.
Пользовательская функция вывода для генетического алгоритма
В этом примере показано использование пользовательской функции вывода в ga.
Оптимизация пользовательских типов данных с использованием генетического алгоритма
Решите проблему командированного продавца с помощью пользовательского типа данных.
Оптимизация цели, поставленной решением для ОДУ с использованием patternsearch или ga в последовательном или параллельном.
Что такое генетический алгоритм?
Представляет генетический алгоритм.
Терминология генетического алгоритма
Объясняет некоторые основные термины для генетического алгоритма.
Как работает генетический алгоритм
Представляет обзор работы генетического алгоритма.
Алгоритмы решателя нелинейных ограничений
Объясняет дополненный лагранжевый генетический алгоритм (ALGA) и алгоритм штрафа.
Варианты генетического алгоритма
Описывает варианты генетического алгоритма.