遺傳演算法無約束多目標工具箱

⑴ matlab遺傳演算法工具箱多目標函數優化的例子誰有，

Matlab遺傳演算法工具箱幫助文件自帶多目標函數優化例子。

⑵ 約束條件如何在遺傳演算法工具箱中體現

Matlab優化工具箱中的fmincon()函數就可以求解有約束的最小化包括線性約束和非線性約束，還有邊界控制等具體可以看看幫助系統，如果在操作上有什麼具體問題我們再探討

⑶ matlab遺傳演算法工具箱應用問題.在適應度函數處應該輸入什麼約束條件怎麼輸入

這個ga工具箱只能解決簡單的線性約束問題，你的約束條件是非線性約束，所以你還是要使用gatbx菲爾德大學的那個工具箱，你的問題帶有不等式約束，轉化為無約束的拉格朗日對偶問題求解

⑷ 怎麼用遺傳演算法工具箱求多目標函數的最優解

可以用多個目標並列選擇法，將種群按照目標函數的個數進行劃分，分別進行適應度排序，選擇，然後將選出的子種群合並，再進行交叉、變異等操作。

⑸ 求助：關於matlab遺傳演算法工具箱中約束的輸入問題

遺傳演算法工具箱的函數GA基本調用格式如下：
X = GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub)
其中前兩個參數分別是適應度函數和變數個數，第三、四個參數（A和b）即為線性不等式約束。

你現在需要做的是，增加幾個線性約束條件：
x1 < x2
x2 < x3
x3 < x4
x4 < x5
不過，有個問題，遺傳演算法等優化工具對不等式約束的要求，都必須是閉集（帶等號的不等式），也就是說，要的是類似下面這樣的約束：
x1 <= x2
x2 <= x3
x3 <= x4
x4 <= x5
不知道你的問題是否允許把約束放寬到上面的形式，如果可以，就很簡單了（如果不能放寬，我暫時還沒想起怎麼解決）：
x1 - x2 <= 0
x2 - x3 <= 0
x3 - x4 <= 0
x4 - x5 <= 0
也就是調用函數時，線性約束的A和b分別為
A = [
1 -1 0 0 0
0 1 -1 0 0
0 0 1 -1 0
0 0 0 1 -1
];
b=[0;0;0;0];

⑹ MATLAB遺傳演算法工具箱求解非線性多目標優化問題

將下屬兩個目標函數分別保存在兩個m文件中
function f1=func1(x) %第一目標函數
f1=x(:,1).*x(:,1)./4+x(:,2).*x(:,2)./4;
function f2=func2(x) %第二目標函數
f2=x(:,1).*(1-x(:,2))+10;

function GA()
clear;clc;close all
NIND=100; %個體數目
MAXGEN=50; %最大遺傳代數
NVAR=2; %變數個數
PRECI=20; %變數的二進制位數
GGAP=0.9; %代溝
trace1=[];trace2=[];trace3=[]; %性能跟蹤
%建立區域描述器
% rep([PRECI],[1,NVAR])
FieldD=[rep([PRECI],[1,NVAR]);rep([1;2],[1,NVAR]);rep([1;0;1;1],[1,NVAR])];
Chrom=crtbp(NIND,NVAR*PRECI); %初始種群
v=bs2rv(Chrom,FieldD) ; %初始種群十進制轉換
gen=1;
while gen<MAXGEN,
[NIND,N]=size(Chrom);
M=fix(NIND/2);
ObjV1=func1(v(1:M,:)); %分組後第一目標函數值
FitnV1=ranking(ObjV1); %分配適應度值
SelCh1=select('sus',Chrom(1:M,:),FitnV1,GGAP); %選擇
ObjV2=func2(v(M+1:NIND,:)); %分組後第二目標函數值
FitnV2=ranking(ObjV2); %分配適應度值
SelCh2=select('sus',Chrom(M+1:NIND,:),FitnV2,GGAP); %選擇
SelCh=[SelCh1;SelCh2]; %合並
SelCh=recombin('xovsp',SelCh,0.7); %重組
Chrom=mut(SelCh); %變異
v=bs2rv(Chrom,FieldD);
trace1(gen,1)=min(func1(v));
trace1(gen,2)=sum(func1(v))/length(func1(v));
trace2(gen,1)=min(func2(v));
trace2(gen,2)=sum(func2(v))/length(func2(v));
trace3(gen,1)=min(func1(v)+func2(v));
trace3(gen,2)=sum(func1(v))/length(func1(v))+sum(func2(v))/length(func2(v));
gen=gen+1;
end
figure(1);clf;
plot(trace1(:,1));hold on;plot(trace1(:,2),'-.');
plot(trace1(:,1),'.');plot(trace1(:,2),'.');grid on;
legend('解的變化','種群均值的變化')
xlabel('迭代次數');ylabel('目標函數值');
figure(2);clf;
plot(trace2(:,1));hold on;
plot(trace2(:,2),'-.');
plot(trace2(:,1),'.');
plot(trace2(:,2),'.');grid;
legend('解的變化','種群均值的變化');
xlabel('迭代次數');ylabel('目標函數值');
figure(3);clf;
plot(trace3(:,1));hold on;
plot(trace3(:,2),'-.');
plot(trace3(:,1),'.');
plot(trace3(:,2),'.');grid;
legend('解的變化','種群均值的變化');
xlabel('迭代次數');ylabel('目標函數值');
figure(4);clf;plot(func1(v));hold on;
plot(func2(v),'r-.');grid;

⑺ 運用MATLAB遺傳演算法工具箱求解非線性多目標優化問題，煩請高人指點！

matlab中沒有rep這個函數，需要你自己定義這個函數。

⑻ 使用matlab遺傳演算法工具箱如何加入目標函數中變數的約束條件啊，可否在M文件中加

首先回答你第一個問題：怎麼加入變數的約束條件？

打開遺傳演算法工具箱的窗體中會有下圖所示的選項，即是約束條件的編輯

至於添加的方式，這里要重點的提一下，首先將問題抽象成規劃問題的標准形式（如果你不懂什麼是標准形式的話，建議你去翻閱運籌學那本書，上告訴你什麼是標准形式），然後用矩陣語言寫出來，最後將矩陣的系數填寫到線性不等約束和線性相等約束中，同時定義所求變數x的上界和下界（記住有多少個變數就有多少列，如果你發現有些條件中沒有出現某些變數，那麼就應該用0補足，這個是matlab解決規劃問題與lingo想比較麻煩的一個地方，）。

然後回答你第二個問題：可否在M文件中添加約束條件？

當然可以，界面的東西是為了方便不熟悉matlab編程的人而設計出來的，但是其底層的演算法和介面肯定是有的。

碰到不懂的函數，請記得：help函數名

helpga之後會得到一下一些函數

ga

//這個是定義

Syntax //這個是語法也即是調用的規則

x=ga(fitnessfcn,nvars)

x=ga(fitnessfcn,nvars,A,b)

x=ga(fitnessfcn,nvars,A,b,Aeq,beq)

x=ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB)

x=ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon)

x=ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options)

x=ga(problem)

[x,fval]=ga(...)

直接給你將最長的那個吧

x=ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options)

X是返回所求的解

fitnessfcn是適應度函數

nvars是適應度函數中所含變數的維數

A是不等式約束中變數的系數矩陣，b是不等式約束中不含變數的值矩陣

Aeq是等式約束中變數的系數矩陣，beq是等式約束中不含變數的值矩陣

LB是下界，UB是上界

nonlcon是非線性約束條件

至於options嘛 我也木有用過，其實你也可以不用管的。

懂了木有呢，親？

⑼ 怎樣運用matlab實現無約束非線性優化問題中的多種方法

- MATLAB中用遺傳演算法求解約束非線性規劃問題 Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB 作者:王勇, 期刊-核心期刊 哈爾濱商業大學學報（自然科學版）JOURNAL OF HARBIN UNIVERSITY OF COMMERCE(NATURAL SCIENCES EDITION) 2006年 第04期
- 約束優化問題的遺傳演算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡煥傑,康艷, 期刊-核心期刊 西北農林科技大學學報（自然科學版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 約束優化問題的遺傳演算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡煥傑,康艷, 期刊-核心期刊 西北農林科技大學學報（自然科學版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 非線性規劃問題求解的遺傳演算法設計與實現 Design and Realization of Genetic Algorithm for Solving Nonlinear Programming Problem 作者:劉雪梅,李國民,李景文,畢義明, 期刊-核心期刊 系統工程與電子技術SYSTEMS ENGINEERING AND ELECTRONICS 2000年 第02期
- 解非線性約束規劃問題的新型多目標遺傳演算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:劉淳安,LIU Chun-an, 期刊-核心期刊 計算機工程與設計COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 解非線性約束規劃問題的新型多目標遺傳演算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:劉淳安, 期刊-核心期刊 計算機工程與設計COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 基於Matlab遺傳工具箱的高強混凝土配合比優化 Mixtures Optimal Design of High-strength Concrete Based on GA Toolbox of MATLAB 作者:陸海標,鄭建壯,徐旭嶺, 期刊 浙江水利水電專科學校學報JOURNAL OF ZHEJIANG WATER CONSERVANCY AND HYDROPOWER COLLEGE 2007年 第03期
- 遺傳演算法求解約束非線性規劃及Matlab實現 The Solution of Optimization with Nonliear Constraints Programming with Genetic Algorithm and Demonstration by Matlab 作者:倪金林, 期刊-核心期刊 大學數學COLLEGE MATHEMATICS 2005年 第01期
-
- 基於遺傳演算法的非線性多目標規劃及其在油田開發規劃中的應用 作者:張曉東, 李樹榮, 熊福力, 會議 第二十二屆中國控制會議第二十二屆中國控制會議論文集(上) 2003年
- 區間非線性規劃問題的確定化描述及其遞階求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蔣崢,戴連奎,吳鐵軍, 期刊-核心期刊 系統工程理論與實踐SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 區間非線性規劃問題的確定化描述及其遞階求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蔣崢,戴連奎,吳鐵軍, 期刊-核心期刊 系統工程理論與實踐SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 一種新的求解非線性規劃的混合遺傳演算法 作者:李豐兵, 會議 第八屆中國青年運籌信息管理學者大會第八屆中國青年運籌信息管理學者大會論文集 2006年
- 一種啟發式演算法求解有交易成本組合投資問題 作者:安智宇, 會議 第三屆不確定系統年會第三屆不確定系統年會論文集 2005年
- 基於遺傳演算法的設計地震反應譜標定方法 Calibrating Method of Seismic Response Spectrum Based on Genetic Algorithm 作者:夏江,陳清軍, 期刊-核心期刊 力學季刊CHINESE QUARTERLY OF MECHANICS 2006年 第02期
- 具有線性不等式約束非線性規劃問題的降維演算法 Descending Dimension Algorithm of Nolinear Programming Problem with Linear Inequality Constraints 作者:楊懿,張守貴, 期刊-核心期刊 重慶大學學報（自然科學版）JOURNAL OF CHONGQING UNIVERSITY(NATURAL SCIENCE EDITION) 2007年 第10期
- 改進DNA遺傳演算法求解非線性多約束規劃研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 華中科技大學學報(自然科學版)JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 改進DNA遺傳演算法求解非線性多約束規劃研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 華中科技大學學報（自然科學版）JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 序列無約束極小化技術和遺傳演算法在非線性規劃中的應用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:劉道建,黃天民, 期刊 邵陽高等專科學校學報JOURNAL OF SHAOYANG COLLEGE 2001年 第04期
- 序列無約束極小化技術和遺傳演算法在非線性規劃中的應用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:劉道建,黃天民, 期刊 邵陽高等專科學校學報JOURNAL OF SHAOYANG COLLEGE 2001年 第04期

MATLAB中用遺傳演算法求解約束非線性規劃問題
Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB

<<哈爾濱商業大學學報（自然科學版）>>2006年 第22卷 第04期
作者: 王勇
約束非線性規劃問題的求解往往是運籌學中的NP問題,利用MATLAB中的遺傳演算法工具箱中的函數方便、快捷的求得了兩個實例的最優解,進一步指出了遺傳演算法與傳統的最優化演算法的區別.
關鍵詞: 遺傳演算法, 約束非線性規劃, MATLAB, | 全部關鍵詞

最優化技術方法及MATLAB的實現
編 號： 86755
著 作 者： 16.00
出 版 社： 化學工業出版社
書 號： 9787502563837
出版日期： 2005-1-1

內容包括線性規劃與MATLAB的實現，即非線性規劃、整數規劃、動態規劃、多目標規劃與MATLAB的實現及圖與網路分析技術等。為方便讀者學習，本書安排了大量最優化方法在工程中的應用實例，根據需要逐個編寫了解決這些問題的相應數學模型，應用MATLAB程序，通過簡潔的運算給出了較為復雜問題的解。
本書可作為最優化技術方法或MATLAB優化工具箱應用的入門教材，供高職高專或本科院校管理、經濟類專業的師生使用，也可供廣大愛好者學習參考。
隨著計算機科學的發展和應用，應用最優化方法解決問題的領域在不斷擴大，最優化的理論和方法也得到普及和發展。線性規劃、非線性規劃、整數規劃、動態規劃和多目標規劃以及圖與網路技術作為最優化方法的主要內容已經成為工程技術人員和經濟管理人員所必備的基礎知識，目前，最優化方法課程已經開始作為高等院校的普及課程。
在「高等數學」中學習的極值理論、線性代數、向量、矩陣、泰勒公式等概念為學習「最優化方法」奠定了基礎。在「最優化方法」中，這些知識的重要價值將在工程應用中得到充分體現。
在最優化方法的應用過程中，要將所學知識直接應用於解決實際問題，中間往往還有一段距離。有時，面對需要建立的復雜數學模型，尤其是繁復的數學計算問題，往往難以入手，因此，人們總是希望能夠找到具有通用性和廣泛性的方法，用類似於日常使用計算器的手段，解決較為復雜的計算問題。在本書中，將「最優化方法」與「MATLAB工具箱」連接起來學習，就能夠在一定程度上彌補這一缺陷。
MATLAB是一個很不錯的計算軟體，它給數學計算帶來了許多的便利和可能性，它提供了幾十個工具箱，利用這些工具箱，可以解決不同領域的許多問題。
本書簡明扼要、敘述清楚、文字流暢，既可作為工程學科、管理及經濟學科的專、本科學生的「最優化方法」教材，也可作為應用「MATLAB工具箱」入門參考教材使用。
本書是編者根據多年的教學經驗，為適應新的教學需要而編寫的，所有工程應用實例均經過了MATLAB6

⑽ 用遺傳演算法工具箱求解一個多目標優化問題，現在需要一個matlab程序，求高人指點

用遺傳演算法工具箱求解一個多目標優化問題的步驟：

1、根據題意，建立自定專義目標函數，ga_fun1(x)

2、在命令窗屬口中，輸入

>> optimtool %調用遺傳演算法工具箱

3、在遺傳演算法工具箱界面中，分別對Fitnessfunction框內輸入@ga_fun1（）；A框內輸入[1,1,1]；b框內輸入16；Aeq框內輸入[]；beq框內輸入[]；Lower框內輸入[0,0,0]；Upper框內輸入[]；

4、單擊Start。得到x=4.508 y=2.513 z=1.912值。