ga工具箱使用教程

① matlab遺傳演算法工具箱安裝問題

可能的原因是：
1.gatbx工具箱下的crtbp函數的文件名為CRTBP.M,大小寫不統一所以出現了warning,需要把把它版改為小寫的crtbp.m;
2.gatbx屬於第權三方工具箱，MATLAB自身對它是沒有說明的，所以搜不到這些遺傳演算法的指令。

② matlab缺少工具包怎麼辦啊

matlab缺少工具包可以去官網下載相關的工具包來補充。

解決方法：

1、把matlab工具包下載後，解壓。

2、將解壓後的gatbx文件夾移到MATLAB的安裝目錄下的toolbox文件夾里。

3、選擇 設置路徑。

補充：安裝好之後如何使用：在命令行輸入 optimtool 會彈出一個新窗口然後在Solver里選擇GA工具箱就可以了。

MATLAB是美國MathWorks公司出品的商業數學軟體，用於數據分析、無線通信、深度學習、圖像處理與計算機視覺物鉛、信號處理、量化金融與風險管理、機器人，控制系統等領域。

MATLAB是matrix&laboratory兩個詞的組合，意為矩陣工廠（矩陣實驗室），軟體主要面對科學計算、可視化以及互動式程好局序設計的高科技計算環境。

它將數值分析、矩陣計算、科學數據可視化以及非線性動態系統的建模和模擬等諸多強大功能集成在一個易於使用的視窗環境中。

為罩襪好科學研究、工程設計以及必須進行有效數值計算的眾多科學領域提供了一種全面的解決方案，並在很大程度上擺脫了傳統非互動式程序設計語言（如C、Fortran）的編輯模式。

③ MATLAB的遺傳演算法工具箱GA是怎麼用的

把這些文件裝載工具箱的文件夾路徑下，在把MATLAB讀的路徑設置在那裡，直接輸入文件名和需要輸入的內容就行了。

④ matlab中的ga工具箱的custom怎麼用我的自變數是10個整數變數，請問怎麼約束，急，在線等。。

matlab中的ga工具箱的custom怎麼用？我的自變數是10個整數變數，請問怎麼約束，急，在線等。。
lyfit（）版函數可以權輸出多項式的系數，即擬合的函數表達式，你可以help polyfit一下

希望我可以幫助到你

⑤ matlab中goat工具箱的用

方法/步驟

首先就是去網路上面下載goat工具箱，一般都打包為rar格式，下載完成之後進行解內壓。
解壓之後的容goat文件夾，裡麵包含了很多遺傳神經演算法使用到的函數，將這文件夾拷貝到toolbox文件夾下。本人MATLAB安裝在D盤，所以工作路徑為：D:\matlab\toolbox

goat文件夾拷貝到指定位置之後，這時還需要添加工作路徑，才能使goat工具箱正常使用。這時需要打開MATLAB軟體，在file菜單欄中，選擇set path...
在彈出的對話框中，選擇ADD Folder...，對話框中，選擇剛才拷貝goat工具箱的路徑，我的為：D:\matlab\toolbox

此時，goat工具箱即可使用。在MATLAB軟體中輸入help ga指令，即可查看是否安裝成功。

⑥ matlab 自帶ga工具箱自變數精度如何設置。

format：設置輸出格式
對浮點性變數，預設為 short.
format並不影響matlab如何計算和存儲變數的值。對浮點型變數的計算，即單精度或雙精度，按合適的浮點精度進行，而不論變數是如何顯示的。對整型變數採用整型數據。整型變數總是根據不同的類（class）以合適的數據位顯示，例如，3位數字顯示顯示int8范圍 -128：127。
format short, long不影響整型變數的顯示。
format long 顯示15位雙精度，7為單精度（scaled fixed point）
format short 顯示5位(scaled fixed point format with 5 digits)
format short eng 至少5位加3位指數
format long eng 16位加至少3位指數
format hex 十六進制
format bank 2個十進制位
format + 正、負或零
format rat 有理數近似
format short 預設顯示
format long g 對雙精度，顯示15位定點或浮點格式，對單精度，顯示7位定點或浮點格式。
format short g 5位定點或浮點格式
format short e 5位浮點格式
format long e 雙精度為15位浮點格式，單精度為7為浮點格式

⑦ 遺傳演算法工具箱的具體使用

matlab遺傳演算法工具箱函數及實例講解 核心函數：
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始種群的生成函數
【輸出參數】
pop--生成的初始種群
【輸入參數】
num--種群中的個體數目
bounds--代表變數的上下界的矩陣
eevalFN--適應度函數
eevalOps--傳遞給適應度函數的參數
options--選擇編碼形式(浮點編碼或是二進制編碼)[precision F_or_B],如
precision--變數進行二進制編碼時指定的精度
F_or_B--為1時選擇浮點編碼，否則為二進制編碼,由precision指定精度)
(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,...
termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遺傳演算法函數
【輸出參數】
x--求得的最優解
endPop--最終得到的種群
bPop--最優種群的一個搜索軌跡
【輸入參數】
bounds--代表變數上下界的矩陣
evalFN--適應度函數
evalOps--傳遞給適應度函數的參數
startPop-初始種群
opts[epsilon prob_ops display]--opts(1:2)等同於initializega的options參數，第三個參數控制是否輸出，一般為0。如[1e-6 1 0]
termFN--終止函數的名稱,如['maxGenTerm']
termOps--傳遞個終止函數的參數,如[100]
selectFN--選擇函數的名稱,如['normGeomSelect']
selectOps--傳遞個選擇函數的參數,如[0.08]
xOverFNs--交叉函數名稱表，以空格分開，如['arithXover heuristicXover simpleXover']
xOverOps--傳遞給交叉函數的參數表，如[2 0;2 3;2 0]
mutFNs--變異函數表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation']
mutOps--傳遞給交叉函數的參數表,如[4 0 0;6 100 3;4 100 3;4 0 0]
【問題】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9
【分析】選擇二進制編碼，種群中的個體數目為10，二進制編碼長度為20，交叉概率為0.95,變異概率為0.08
【程序清單】
%編寫目標函數
function[sol,eval]=fitness(sol,options)
x=sol(1);
eval=x+10*sin(5*x)+7*cos(4*x);
%把上述函數存儲為fitness.m文件並放在工作目錄下
initPop=initializega(10,[0 9],'fitness');%生成初始種群，大小為10
[x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',...
[0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遺傳迭代
運算借過為：x =
7.8562 24.8553(當x為7.8562時，f（x）取最大值24.8553)
註：遺傳演算法一般用來取得近似最優解，而不是最優解。
遺傳演算法實例2
【問題】在－5<=Xi<=5,i=1,2區間內，求解
f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。
【分析】種群大小10，最大代數1000，變異率0.1,交叉率0.3
【程序清單】
％源函數的matlab代碼
function [eval]=f(sol)
numv=size(sol,2);
x=sol(1:numv);
eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282;
%適應度函數的matlab代碼
function [sol,eval]=fitness(sol,options)
numv=size(sol,2)-1;
x=sol(1:numv);
eval=f(x);
eval=-eval;
%遺傳演算法的matlab代碼
bounds=ones(2,1)*[-5 5];
[p,endPop,bestSols,trace]=ga(bounds,'fitness')
註：前兩個文件存儲為m文件並放在工作目錄下，運行結果為
p =
0.0000 -0.0000 0.0055
大家可以直接繪出f(x)的圖形來大概看看f（x）的最值是多少，也可是使用優化函數來驗證。matlab命令行執行命令：
fplot('x+10*sin(5*x)+7*cos(4*x)',[0,9])

⑧ 求解：怎樣使用MATLAB中的遺傳演算法計算器Optimization Tool中的GA——Genetic Algorithm,如圖，重謝

比如通過MATLAB遺傳演算法的思想求解f(x)=x*sin(10pi*x)+2.0,-1<=x<=2的最大值問題，結果精確版到3位小數。

首先在matlab命令權窗口輸入f=@(x)-(x*sin(10*pi*x)+2) 輸出結果為

>> f=@(x)-(x*sin(10*pi*x)+2)

f =

@(x)-(x*sin(10*pi*x)+2)

接著輸入gatool會打開遺傳演算法工具箱

顯示51代之後演算法終止，最小結果為-3.85027334719567，對應的x為1.851，由於自定義函數加了負號，所以原式的最大值為3.85027334719567，對應的x為1.851。

不過這是遺傳演算法得到的結果，每次運行的結果可能會有所不同，而且不一定是確切的最大值。

遺傳演算法適合應用在一些求最優解比較復雜的問題（常規的演算法運算時間過長，甚至無法解決）。