遺傳演算法工具箱文件拓展名

A. matlab版本：2011b；ver命令後沒看見有genetic algorithm遺傳演算法工具箱；然後根據網上的方法。。。

其實不需要這么麻煩的，你只需要在MATLAB裡面做一些簡單的設置就可以了。打開MATLAB，左上角有一個File->set path，在彈出的對話框中，選擇add folder，找到你下載的工具箱的文件夾，然後點確定，記得在關閉set path 對話框之前，先點save，把你自己的設置保存一下。這是個通用方法，以後不管什麼工具箱，你都可以這么載入，然後就可以隨意使用了。

B. 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。

C. matlab R2014b,自己下載的謝菲爾德遺傳演算法工具箱，添加成功之後顯示如下內容，怎麼解決

將所有的文件名改成小寫，重新打開軟體就可以了。例如：CRTBP.M改成crtbp.m。網上有批量文件名大寫改小寫的教程，這個你可以自己解決。

D. matlab遺傳演算法工具箱使用ga運行不出結果哪裡錯了

可能的原因抄是：
1.gatbx工具襲箱下的crtbp函數的文件名為CRTBP.M,大小寫不統一所以出現了warning,需要把把它改為小寫的crtbp.m;
2.gatbx屬於第三方工具箱，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。

E. Matlab自帶遺傳演算法工具箱簡介

Matlab提供遺傳演算法工具箱（Matlab2010版本之後），方便解決簡單的優化問題，官方提示後續可能取消該功能。個人不建議使用工具箱求解數學規劃問題，參數設置零散復雜，容易錯漏，但可學習作為Demo問題的演示工具。

按從上到下，從左到右的順序對Matlab自帶的遺傳演算法工具箱GUI界面進行介紹和使用注意事項說明。

對應於非線性約束求解器

指定另外一個最小值函數，在遺傳演算法結束之後計算，在整數值限制的時候不可用。

F. 求Matlab遺傳演算法工具箱「gatbx工具箱」英國菲爾德大學開發的那些

給你個論壇地址吧!你自己去看看.
bbs.matwav.com
bbs.simwe.com

G. matlab 2011b 遺傳演算法工具箱問題

我的版本和你的不一樣，我的文件夾的名字是genetic，不是gabtx，還有就是這個文件夾里直接就是那些M文件（見圖），圖片不曉得傳上來沒，第一次回答這個，前段時間我為了這個工具箱搞了半天才弄好，希望能幫到你

H. 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])