Ⅰ matlab遺傳演算法工具箱中ga函數的用法
為0－1矩陣，范圍怎麼設呢
Ⅱ 求matlab遺傳演算法的GA工具箱，謝謝大家，第一次用百度知道，希望有好的結果
可以告訴我你是做什麼的，我在大學的時候用過，現在忘了，你參加了大學生數學建模？
Ⅲ 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
Ⅳ 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。
Ⅳ 求matlab遺傳演算法工具箱GA Toolbox。。並求解釋如下
GA自己寫一個就好了，也挺簡單的。
雖然很多函數都能知道表達式，但是仍然版有很多函數不能用倒權數來求解，所以要知道空間的極值和最值就必須用遍歷的方法。然而對於實數范圍內或者大規模數據的離散數據情況下，遍歷畫圖的方法會耗費很大的計算復雜度，因為你並不知道是在參數范圍的邊緣還是中間有最值，有多少個最值也不知道。GA就提供了一種基於種群的搜索優化方法，可以快速的收斂到優秀的解的個體，但是要防止陷入局部最優。
簡而言之就是遍歷的搜索方法要用時10小時完成的事情，GA快速優化可能1分鍾或者10分鍾搞定，佔用內存也少。
Ⅵ MATLAB自帶的GA工具箱，有誰知道麻煩告訴一下！求教！！！
請問matlab6.5 gaot工具箱和matlab7.0自帶工具箱使用起來有區別嗎？多謝了matlab7.0自帶的工具箱版本未必都是7.0，我的這台電腦裝的也是6.5，看看
Ⅶ 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。
Ⅷ matlab 遺傳演算法工具箱
有可能是沒有了，也有可能是你安裝的版本裡面沒有，需要去官方網站購買。你用專的是正版嗎？正版的網路屬授權可以使用大部分的工具箱。 如果是D版，很可能是你用的版本正好沒有這個。 如果只是用到一些函數，你可以去別人的電腦復制這個工具箱的函數（老版本的估計也能用），添加路徑以後可能也可以用的。
Ⅸ 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])