大家好，今天小编来为大家解答Matlab 遗传算法工具箱快速入门指南这个问题，很多人还不知道，现在让我们一起来看看吧！
Problem Setup and Results 设置与结果
Solver解算器
选择要使用的求解器（遗传算法、遗传算法多目标等）。
问题问题
适应度函数： 适应度函数，找到最小值。这里的使用函数需要自己写。书写格式为“@函数名”。变量数量： 变量数量必须为整数，即使用此GUI界面的适应度函数的变量必须是[1n]向量，而不是[mn]矩阵。
示例用法
求f(x)的最小值
求解f(x)的最小值并编写适应度函数
适应度函数一般是目标函数，保存为m函数文件。
目标函数参数设置
在Fitness函数中输入@目标函数名（因为这里传递的是函数句柄，所以必须加@）。变量数是指待确定的变量的数量。这里的约束是xi 为0 在Bound 中输入一个0.9pi 到0.9pi 之间的实数，然后点击Start 按钮即可得到结果。
带约束的数学规划问题的参数设置
带约束的数学规划问题定义不等式约束添加不等式约束带非线性约束的数学规划问题的参数设置
包含非线性约束非线性约束添加非线性不等式约束约束约束线性不等式： 线性不等式，形式为A*x=b，其中A 是矩阵，b 是向量。线性方程： 线性方程，A*x=b 形式，其中A 是矩阵，beq 是向量。 Bounds:定义域，Lower:下限，Upper:上限，列向量形式，每个位置对应一个变量。非线性约束函数： 非线性约束，用户定义，非线性方程必须写成c=0的形式，不等式必须写成c=0的形式。整数变量indices: 整数变量标签约束，使用此项时Aeq和beq必须为空，所有非线性约束函数必须返回空值，且总体类型必须为实数编码。例如，如果您希望第一个、第三个和第五个变量保持整数，则直接在此处填写[1 3 5]。运行求解器并查看结果解决方案和结果显示使用先前运行的随机状态： 使用先前的状态来运行，完全重复先前运行的过程和结果。
Options 选项
population 种群
人口类型编码类型双向量实数编码。要使用双精度，整数规划的总体类型必须是实数编码的。位串二进制编码自定义自定义种群大小创建函数生成函数，用于生成初始种群初始种群初始种群。如果不指定，则使用创建函数生成。你可以指定一个小于人口规模的人口，创建函数将完成剩下的工作。初始分数初始值。如果没有指定，计算机将计算适应度函数作为初始值。它不适用于整数约束，并由向量表示。初始范围是初始范围，用向量矩阵表示。第一行代表范围的下限，第二行代表范围的上限。
Fitness scaling 适应度尺度
Rank，适应度排序然后编号；按比例成比例； Top按比例选择种群中适应度最高的个体，这些个体具有均等的繁殖机会，剩余个体被淘汰；移位线性线性转换；自定义用户定义；
Selection 依据适应值选择
Stochastic Uniform：随机均匀分布； Remainder：残差，取适应度值的整数部分进行轮盘选择； Uniform：均匀分布，不是一个好的方法，但可以用于测试；轮盘：轮盘盘口算法；锦标赛：联赛选择算法； Custom：定制；
Reproduction 复制，决定如何产生子代
Elite count：精英数，直接传给下一代的个体数量；交叉分数：杂交概率；
Mutation (Mutation function) 突变
使用约束依赖默认，与约束相关，无约束时使用高斯，有约束时使用自适应可行； Gaussian：使用高斯分布来选择；制服：制服；自适应可行的：自适应的；定制：定制；
Crossover 杂交
分散：随机生成遗传二元向量，按0 -1交叉；单点：单点杂交，生成一个数字，数字所代表的位置开始两个亲本之间的基因交换；两点：两点交换； Intermediate：中等，加权平均； Heuristic：启发式算法；算术：算术平均；定制：定制；
Migration 迁移
方向：正向n-n 1；都是双向的；分数：指定迁移率，基于较小的人口； Interval：迁移发生的时间间隔；
Constraint parameters 约束参数
对应非线性约束求解装置
初始惩罚：初始惩罚函数大于等于1；惩罚系数：惩罚系数大于等于1；
Hybrid function 混合函数
指定另一个最小值函数，该函数在遗传算法结束后计算，当整数值受到限制时不可用。
【Matlab 遗传算法工具箱快速入门指南】相关文章：
2.米颠拜石
3.王羲之临池学书
8.郑板桥轶事十则
用户评论
matlab自带的遗传算法真不错！
有20位网友表示赞同！
之前听说过matlab有遗传算法工具箱，想了解一下具体可以做什么。
有5位网友表示赞同！
做复杂优化的研究吗？看来得好好看看这个工具箱了。
有7位网友表示赞同！
用matlab解决优化问题感觉更方便了，自带的工具箱太棒了！
有9位网友表示赞同！
遗传算法挺难理解的，看这篇文章希望能有个简单清晰的讲解。
有13位网友表示赞同！
学习下Matlab 遗传算法，拓展一下技能范围。
有8位网友表示赞同！
这个工具箱能解决哪些类型的优化问题？有具体的例子吗？
有17位网友表示赞同！
现在很多科研领域用matlab做数值模拟，自带的遗传算法工具箱实用性很高。
有12位网友表示赞同！
终于找到一篇介绍遗传算法工具箱的文章了，要好好学习一下。
有19位网友表示赞同！
想尝试用matlab 的遗传算法解决一些实际问题的模型。
有19位网友表示赞同！
对于新手来说，这个工具箱需要好好读文档才能入门吧？
有17位网友表示赞同！
不知道这个工具箱相对于其他开源的遗传算法库有什么优势？
有20位网友表示赞同！
学习下matlab遗传算法，或许能为优化问题提供新的思路。
有12位网友表示赞同！
matlab自带这么方便的工具箱，真是节省时间啊！
有14位网友表示赞同！
想了解一下matlab 遗传算法工具箱的功能特性以及具体应用场景。
有19位网友表示赞同！
这篇文章太实用啦！学习下这些知识可以帮助我解决一些实际问题。
有17位网友表示赞同！
学习matlab就需要学习这些常用工具箱，提升我的科学计算能力。
有15位网友表示赞同！
遗传算法和深度学习都能用来解决优化问题吗？
有19位网友表示赞同！
看这篇文章了解一下matlab 生态系统的强大，值得深入学习！
有11位网友表示赞同！