① MATLAB中使用PSO的工具箱編程中遇到的問題
目標函數計算裡面維數不一樣 把az的分號去掉 看看結果是什麼 是否是一個行向量
② 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])
③ 怎麼用pso工具箱求解約束問題
話說如果你還有限制條件的話，一般在pso主程序中加入，因為你速度位置更新完後不約束粒子位置的話會跳出解空間。所以你所說的限制條件應該在主程序哩加入，而不是適應度函數（測試函數）。
④ pso lssvm工具箱怎麼調用
LS-SVM是什麼，題主隨便搜索一下就應該知道了埃。。 LS-SVM 是 Least Squares Support Vector Machines 的縮寫
⑤ matlab pso工具箱怎麼用
直接復制到當前文件夾里，就可以運行。或是通過安裝工具箱的方式進行
⑥ 粒子群演算法 matlab 工具箱 在哪調用 還是沒有現成的需要自己下載
http://www.mathworks.com/matlabcentral/fileexchange/7506
這個基復本上快算是官方的制了。粒子群演算法工具。注冊以後就可以下載了。
⑦ 請教關於陸振波的「群體智能演算法」Matlab工具箱如何使用
直接在命令窗口裡邊輸入gatool就行了，用遺傳演算法還可以使用ga函數，具體使用格式可以在help系統版里看ga，你還權可以按照如下步驟打開遺傳演算法工具箱：1，打開MATLAB，2點擊左下方的START按鈕 3，點toolboxes，打
⑧ 最近在學PSO工具箱，在網上找到了PSOt以及使用簡介，我不明白的是，如果還有線性約束該怎麼寫
我覺得復在粒子群初始化之前就要限制定可行域，這樣才能在可行域中隨機初始化多個粒子，如果是本題的話，首先可以先讓y在-50到50之間隨機取值，然後x的取值范圍就是在min（-20-2y，-50）到min（60-y，50）之間隨機取值，希望能幫到你
⑨ PSO工具箱中,如何添加等式約束條件
1條回答
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
help ga 之後會得到一下一些函數
ga
Find minimum of function using genetic algorithm //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(...)
[x,fval,exitflag] = 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？
⑩ 我利用粒子群演算法工具箱求解最優值時陷入了局部最優該如何解決
粒子群陷入局部最優在所難免，建議可以採取加大權重因子的方法，或者一些改進的粒子群演算法會提出對收斂的種群進行干擾，從而產生新的種群，另外可以採用量子粒子群演算法，在局部最優問題上解決的還算可以